Diff-MN

新的Diff-MN框架可从不规则数据生成连续时间序列

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。