利用成熟基于图像的 GAN 快速简便地生成时间序列
机器学习
2019-10-31 v3 机器学习
摘要
近年来，生成对抗网络（GANs）在生成逼真数据方面取得了显著进展。在这项工作中，我们介绍了一种简单方法，利用成熟的基于图像的 GAN 来合成单通道时间序列数据。我们实现了带梯度惩罚的 Wasserstein GANs（WGANs），因其训练稳定性，用于合成三种不同类型的数据：正弦数据、光电容积描记（PPG）数据和心电图（ECG）数据。返回的时间序列数据长度仅受图像分辨率限制，我们使用 64x64 像素的图像尺寸，产生 4096 个数据点。我们给出了视觉和定量证据，表明我们的新方法能够使用基于图像的 GAN 成功生成时间序列数据。
引用
@article{arxiv.1902.05624,
title = {Quick and Easy Time Series Generation with Established Image-based GANs},
author = {Eoin Brophy and Zhengwei Wang and Tomas E. Ward},
journal= {arXiv preprint arXiv:1902.05624},
year = {2019}
}