Wasserstein GAN 的统计分析及其在时间序列预测中的应用
统计理论
2020-11-09 v1 机器学习
统计理论
摘要
我们在依赖观测框架下为条件与非条件 Wasserstein 生成对抗网络（WGANs）提供统计理论。我们证明 WGAN 估计量相对于修正的 Wasserstein 型距离的超额贝叶斯风险的上界。此外，我们形式化并推导估计量弱收敛的论断，并用其为新观测构建置信区间。该理论应用于高维时间序列预测这一特例。我们基于合成数据在模拟中分析估计量行为，并考察一个包含温度数据的真实数据示例。数据的依赖性以绝对正则 beta-混合系数量化。
引用
@article{arxiv.2011.03074,
title = {Statistical analysis of Wasserstein GANs with applications to time series forecasting},
author = {Moritz Haas and Stefan Richter},
journal= {arXiv preprint arXiv:2011.03074},
year = {2020}
}
备注
47 pages, 4 figures