基于生成对抗网络的概率式感官数据预测——ForGAN
机器学习
2019-06-26 v1 人工智能
机器学习
摘要
时间序列预测是人类面临的具有挑战性的问题之一。使用均值回归模型的传统预测方法在反映现实世界波动方面存在严重缺陷。尽管新的概率方法前来补救，但它们面临着分位数交叉或选择先验分布等技术困难。为了融合这些领域的不同优势同时避免其弱点，并推进最先进水平，我们引入了 ForGAN——基于生成对抗网络的一步向前概率预测。ForGAN 利用条件生成对抗网络的能力来学习数据生成分布并据此计算概率预测。我们讨论了如何相对于回归方法评估 ForGAN。为了研究 ForGAN 的概率预测，我们创建了一个新数据集并在其上展示了我们方法的能力。该数据集将公开提供以用于比较。此外，我们在两个公开可用数据集上测试了 ForGAN，即 Mackey-Glass 数据集和互联网流量数据集(A5M)，其中 ForGAN 的令人印象深刻的性能展示了其预测未来值的高能力。
引用
@article{arxiv.1903.12549,
title = {Probabilistic Forecasting of Sensory Data with Generative Adversarial Networks - ForGAN},
author = {Alireza Koochali and Peter Schichtel and Sheraz Ahmed and Andreas Dengel},
journal= {arXiv preprint arXiv:1903.12549},
year = {2019}
}