基于变分自编码器的时间序列降维
机器学习
2022-04-26 v1 统计理论
统计理论
摘要
本工作中，我们探索单变量与多变量时间序列数据的降维技术。我们特别对小波分解与卷积变分自编码器用于降维进行了比较。我们表明变分自编码器是降低如 ECG 等高维数据维度的良好选择。我们在一个具有大量变异性、公开可用的真实世界 ECG 数据集上进行比较，并使用重构误差作为度量。随后我们探究了这些模型在含噪数据（无论训练或推理时）下的鲁棒性。这些测试旨在反映真实世界时间序列数据存在的问题，而 VAE 对两项测试均具鲁棒性。
引用
@article{arxiv.2204.11060,
title = {Dimension Reduction for time series with Variational AutoEncoders},
author = {William Todo and Beatrice Laurent and Jean-Michel Loubes and Merwann Selmani},
journal= {arXiv preprint arXiv:2204.11060},
year = {2022}
}