NAOMI：非自回归多分辨率序列填补
机器学习
2019-10-30 v3 机器学习
摘要
缺失值填补是时空建模中的一个基本问题，从运动跟踪到物理系统动力学均涉及。深度自回归模型存在误差传播问题，对于长程序列填补而言会是灾难性的。在本文中，我们采用非自回归方法，提出一种新颖的深度生成模型：非自回归多分辨率填补（NAOMI），以在任意缺失模式下填补长程序列。NAOMI 利用时空数据的多分辨率结构，采用分治策略从粗到细粒度分辨率递归解码。我们进一步通过对抗训练增强模型。在来自确定性和随机性动力学系统的基准数据集上的广泛评估中，NAOMI 展示了填补精度显著提升（与自回归对应模型相比平均预测误差降低 60%）以及对长程序列的泛化能力。
引用
@article{arxiv.1901.10946,
title = {NAOMI: Non-Autoregressive Multiresolution Sequence Imputation},
author = {Yukai Liu and Rose Yu and Stephan Zheng and Eric Zhan and Yisong Yue},
journal= {arXiv preprint arXiv:1901.10946},
year = {2019}
}