实体
TimeGAN
TimeGAN
PulseAugur coverage of TimeGAN — every cluster mentioning TimeGAN across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的 L-GTA 模型增强了时间序列数据增强
研究人员开发了 L-GTA，一种用于时间序列数据增强的新型潜在生成模型。该模型基于具有 Bi-LSTM 主干和时间自注意力机制的变分自编码器构建，学习潜在表示并应用受控扰动。L-GTA 旨在提高潜在空间和数据空间转换之间的一致性，从而生成具有可预测签名的增强样本。评估表明，L-GTA 在下游预测任务中优于 TimeGAN 和 Diffusion-TS 等现有方法，与原始数据相比，预测误差最多可降低 27%。
-
New MCMC framework enhances time series generation by preserving temporal dynamics
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。