利用公共源协调 GAN（COSCI-GAN）生成多元时间序列
机器学习
2022-12-16 v2
摘要
生成多元时间序列是一种在许多医疗、金融与物联网应用中共享敏感数据的有前景的方法。一类常见的多元时间序列源自单一源，例如来自某医疗患者的生物测量值。这导致各时间序列间出现典型的生成模型（如 GAN）难以学习的复杂动态模式。这些模式中包含有价值的信息，机器学习模型可利用其更好地分类、预测或执行其他下游任务。我们提出一种新颖框架，该框架考虑时间序列的共同起源并倾向于保持通道/特征间关系。我们方法的两个关键点是：1）各时间序列由潜空间中的公共点生成；2）一个中心判别器倾向于保持通道/特征间动态的保留。我们通过实验证明，我们的方法有助于保留通道/特征相关性，且我们的合成数据在医疗与金融数据的下游任务中表现极佳。
引用
@article{arxiv.2205.13741,
title = {Generating multivariate time series with COmmon Source CoordInated GAN (COSCI-GAN)},
author = {Ali Seyfi and Jean-Francois Rajotte and Raymond T. Ng},
journal= {arXiv preprint arXiv:2205.13741},
year = {2022}
}
备注
19 pages, 16 figures