研究人员开发了一个新的框架，使用马尔可夫链蒙特卡洛（MCMC）方法来改进合成时间序列数据的生成。现有的生成模型通常无法保留真实世界数据中存在的时间动态，导致不准确。这种新颖的方法通过强制与数据点之间经验转移统计数据的一致性来解决分布偏移和时间漂移问题。实验表明在各种指标上都有显著改进，表明保留转移定律对于准确的时间序列生成至关重要。 AI
影响 增强了时间序列预测的合成数据生成能力，有可能在数据稀缺的情况下提高模型性能。
排序理由 学术论文，介绍了一种新的时间序列生成框架。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.27182v1 Announce Type: cross Abstract: Time-series data augmentation plays a crucial role in regression-oriented forecasting tasks, where limited data restricts the performance of deep learning models. While Generative Adversarial Networks (GANs) have shown promise in …