时间序列中的生成对抗网络：综述与分类
机器学习
2021-07-26 v1 人工智能
摘要
在过去几年中，生成对抗网络的研究呈指数级增长。其影响主要体现在计算机视觉领域，特别是在逼真的图像和视频操控（尤其是生成）方面取得了重大进展。尽管这些计算机视觉的进展备受关注，但 GAN 的应用已多样化地扩展到时间序列和序列生成等跨学科领域。作为 GAN 相对较新的细分领域，目前仍在进行实地研究以开发高质量、多样化和私密的时间序列数据。在本文中，我们回顾了为时间序列相关应用设计的 GAN 变体。我们提出了一种离散变体 GAN 和连续变体 GAN 的分类法，其中 GAN 分别处理离散时间序列和连续时间序列数据。在此，我们展示了该领域最新和最受欢迎的文献；及其架构、结果和应用。我们还提供了最流行的评估指标列表及其在各种应用中的适用性。此外，还讨论了这些 GAN 的隐私保护措施，以及处理敏感数据的进一步保护和未来方向。我们旨在清晰简明地构建该领域最新和最前沿的研究框架及其在现实世界技术中的应用。
引用
@article{arxiv.2107.11098,
title = {Generative adversarial networks in time series: A survey and taxonomy},
author = {Eoin Brophy and Zhengwei Wang and Qi She and Tomas Ward},
journal= {arXiv preprint arXiv:2107.11098},
year = {2021}
}