基于 DNN 的 GAN 用于时间序列的分布估计与变点估计
机器学习
2023-02-08 v2 统计理论
统计理论
摘要
生成对抗网络（GANs）近来被用于估计独立同分布数据的分布，并引起了大量研究关注。本文中，我们利用分块技术证明了 GANs 在估计平稳时间序列分布上的有效性。理论上，我们推导了基于深度神经网络（DNN）的 GANs 估计器对时间序列平稳分布的非渐近误差界。基于理论分析，我们提出一种估计时间序列分布变点的算法。两项主要结果分别由两个蒙特卡洛实验验证：一是估计 20 维 AR(3) 模型 5 元组样本的联合平稳分布，二是估计两个不同平稳时间序列组合处的变点。对人类活动识别数据集的真实应用凸显了所提方法的潜力。
引用
@article{arxiv.2211.14577,
title = {Distribution estimation and change-point estimation for time series via DNN-based GANs},
author = {Jianya Lu and Yingjun Mo and Zhijie Xiao and Lihu Xu and Qiuran Yao},
journal= {arXiv preprint arXiv:2211.14577},
year = {2023}
}