研究人员开发了Diff-MN，一个新颖的框架，用于生成连续时间序列数据，即使观测数据不规则且稀疏。该方法通过引入混合专家（MoE）动力学函数和解耦的训练架构来增强神经常微分方程（NCDE）。Diff-MN利用扩散模型来参数化NCDE的时间动力学，从而实现样本特定的参数生成和改进的泛化能力。在多个数据集上的实验表明，Diff-MN在不规则到规则以及不规则到连续时间序列生成任务上均优于现有方法。 AI
影响 增强了从不规则观测数据生成连续时间序列的能力，可能改进稀疏数据领域的应用。
排序理由 研究论文，详细介绍了一种新的时间序列生成方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
