GT-GAN：基于生成对抗网络的通用时间序列合成
机器学习
2022-10-12 v3 人工智能
摘要
时间序列合成是深度学习领域的重要研究课题，可用于数据增强。时间序列数据类型可大致分为规则与不规则两类。然而，现有生成模型在无需任何模型改动的情况下，对两类数据均表现良好的尚不存在。因此，我们提出了一种能够合成规则与不规则时间序列数据的通用模型。据我们所知，我们是首个设计通用时间序列合成模型的，这是时间序列合成中最具挑战性的设定之一。为此，我们设计了一种基于生成对抗网络的方法，将诸多相关技术精心整合至单一框架中，涵盖从神经常/控制微分方程到连续时间流过程。我们的方法优于所有现有方法。
引用
@article{arxiv.2210.02040,
title = {GT-GAN: General Purpose Time Series Synthesis with Generative Adversarial Networks},
author = {Jinsung Jeon and Jeonghak Kim and Haryong Song and Seunghyeon Cho and Noseong Park},
journal= {arXiv preprint arXiv:2210.02040},
year = {2022}
}
备注
NeurIPs 2022