扩散模型在时间序列预测中的兴起

Caspar Meijer; Lydia Y. Chen

扩散模型在时间序列预测中的兴起

机器学习 2024-01-18 v2 人工智能

作者: Caspar Meijer , Lydia Y. Chen

摘要

本综述深入探讨了扩散模型在时间序列预测中的应用。扩散模型在生成式 AI 的各个领域均展现出了最先进的结果。本文包含了关于扩散模型的全面背景信息，详细介绍了其条件化方法，并回顾了它们在时间序列预测中的应用。该分析涵盖了 11 种特定的时间序列实现、其背后的直觉与理论、在不同数据集上的有效性，以及它们之间的相互比较。本文的主要贡献是对扩散模型在时间序列预测中应用的深入探索，以及这些模型按时间顺序排列的概述。此外，本文对该领域当前的最先进技术进行了富有洞察力的讨论，并概述了潜在的未来研究方向。这为 AI 和时间序列分析领域的研究人员提供了宝贵的资源，为其提供了扩散模型最新进展和未来潜力的清晰视角。

关键词

扩散模型时间序列预测生成式 AI 综述条件化方法

引用

@article{arxiv.2401.03006,
  title  = {The Rise of Diffusion Models in Time-Series Forecasting},
  author = {Caspar Meijer and Lydia Y. Chen},
  journal= {arXiv preprint arXiv:2401.03006},
  year   = {2024}
}

备注

Version 2, 24 pages, 10 figures, 12 tables, For complete LuaTeX source: https://github.com/Capsar/The-Rise-of-Diffusion-Models-in-Time-Series-Forecasting , Written by: Caspar Meijer, Supervised by: Lydia Y. Chen

扩散模型在时间序列预测中的兴起

摘要

关键词

引用

备注

相关论文