Latent Embedding Alignment

新的ALER-TI框架通过检索增强技术提升时间序列插补能力

研究人员推出了一种新颖的ALER-TI框架，旨在通过结合检索增强方法来改进时间序列插补。该方法明确利用历史模式来增强缺失值的重建，解决了现有技术仅依赖局部时间上下文的局限性。潜在嵌入对齐（LEA）是其关键组成部分，它确保了损坏的查询数据与完整的历史记录之间的一致性，从而能够高效检索相关信息。ALER-TI可适应各种插补模型，并在多个真实世界数据集上展示了持续的性能提升。