用于时间序列预测的混合变分自编码器
机器学习
2023-11-14 v1
摘要
变分自编码器（VAE）是强大的生成模型，将输入数据的潜表示学习为随机变量。近期研究表明，VAE可灵活学习时间序列的复杂时间动态，并取得优于确定性模型的预测结果。然而，现有工作的主要局限在于未能联合学习时间序列的局部模式（如季节性与趋势）和时间动态以进行预测。相应地，我们提出一种新颖的混合变分自编码器（HyVAE），通过变分推断整合局部模式与时间动态的学习，用于时间序列预测。在四个真实数据集上的实验结果表明，所提HyVAE取得了优于多种对比方法以及仅分别学习局部模式或时间动态的两个HyVAE变体的预测结果。
引用
@article{arxiv.2303.07048,
title = {Hybrid Variational Autoencoder for Time Series Forecasting},
author = {Borui Cai and Shuiqiao Yang and Longxiang Gao and Yong Xiang},
journal= {arXiv preprint arXiv:2303.07048},
year = {2023}
}