基于生成对抗网络的时序物联网数据增强
机器学习
2021-01-14 v1
摘要
工业应用中的时序数据可用于训练和评估机器学习模型（例如分类器）。由于收集具有代表性的数据量困难且耗时，人们有动机从小规模真实数据中生成数据。数据增强是一种通过先验知识以特定方法（即所谓生成对抗网络（GAN））生成更多数据的常用方法，其能够从噪声中生成数据。本文研究了使用 GAN 来增强时序物联网（IoT）数据的可能性，并给出一个示例实现，生成带与不带游泳池的家庭能耗数据。该示例实现的结果在主观上似乎与原始数据相似。除这一主观评估外，本文还提出了在提供标签情况下针对 GAN 的定量评估技术。评估的积极结果支持了从小规模真实数据生成时序数据的初始假设。这意味着时序数据繁琐的采集过程可被缩短。未来，本文的结果可作为工具纳入机器学习中，以应对小数据挑战。
引用
@article{arxiv.2101.05003,
title = {Sequential IoT Data Augmentation using Generative Adversarial Networks},
author = {Maximilian Ernst Tschuchnig and Cornelia Ferner and Stefan Wegenkittl},
journal= {arXiv preprint arXiv:2101.05003},
year = {2021}
}