基于掩码自编码器的时间序列生成
机器学习
2022-05-20 v3
摘要
本文表明，带外推器的掩码自编码器（ExtraMAE）是一种可扩展的自监督时间序列生成模型。ExtraMAE随机掩码原始时间序列的若干片段，并通过恢复被掩码片段来学习时序动态。我们的方法有两个核心设计。第一，ExtraMAE是自监督的。监督使ExtraMAE能够高效且有效地捕捉原始时间序列的时序动态。第二，ExtraMAE提出一个外推器，将解码器的两项工作解耦：恢复潜在表示并将其映射回特征空间。这些独特设计使ExtraMAE在时间序列生成中持续且显著优于最先进（SoTA）基准。轻量架构也使ExtraMAE快速且可扩展。ExtraMAE在各类下游任务（如时间序列分类、预测与插补）中表现出色。作为一种自监督生成模型，ExtraMAE允许对合成数据进行显式管理。我们希望本文能开创自监督模型进行时间序列生成的新时代。
引用
@article{arxiv.2201.07006,
title = {Time Series Generation with Masked Autoencoder},
author = {Mengyue Zha and SiuTim Wong and Mengqi Liu and Tong Zhang and Kani Chen},
journal= {arXiv preprint arXiv:2201.07006},
year = {2022}
}