基于高斯GAN利用自身在多元时间序列下可视化评估生成对抗网络
机器学习
2024-04-02 v2 信号处理
应用统计
摘要
可视化评估生成多元时间序列(MTS)的优劣难以实现，尤其在生成模型为生成对抗网络(GANs)的情况下。我们提出一种名为Gaussian GANs的通用框架，在MTS生成任务中利用GANs自身可视化评估GANs。首先，我们通过显式重构GANs架构，尝试寻找多元Kolmogorov Smirnov(MKS)检验中的变换函数。其次，我们对经变换的MST进行正态性检验，其中Gaussian GANs作为MKS检验中的变换函数。为简化正态性检验，提出一种利用卡方分布的高效可视化方法。实验中，我们使用UniMiB数据集并提供经验证据，表明采用Gaussian GANs与卡方可视化的正态性检验有效且可信。
引用
@article{arxiv.2208.02649,
title = {Visually Evaluating Generative Adversarial Networks Using Itself under Multivariate Time Series},
author = {Qilong Pan},
journal= {arXiv preprint arXiv:2208.02649},
year = {2024}
}
备注
This is just a manuscript draft where the experiment is not evident, and need to be studied further