Generative Time Series Forecasting with Diffusion, Denoise, and Disentanglement
Generative Time Series Forecasting with Diffusion, Denoise, and Disentanglement
时间序列预测是一项具有重要意义的研究课题。然而,现实世界的时间序列数据通常记录在较短的时间段内,这导致深度模型与有限且有噪声的时间序列之间存在较大差距。本文提出用生成式建模来解决时间序列预测问题,并提出一种具有扩散、去噪和解缠的双向变分自编码器(BVAE),即D3VAE。具体地,提出一种耦合扩散概率模型,在不增加任意不确定性的情况下对时间序列数据进行增强,并利用BVAE实现更易于处理的推理过程。为了确保生成的序列朝着真实目标移动,进一步提出将多尺度去噪得分匹配自适应并集成到时间序列预测的扩散过程中。此外,为了增强预测的可解释性和稳定性,以多元的方式处理潜变量,并在最小化总相关性的基础上解缠它们。在合成数据和真实数据上的广泛实验表明,D3VAE以显著的优势优于竞争算法。
•我们提出了一种耦合扩散概率模型,旨在降低时间序列的任意不确定性,提高生成模型的泛化能力。
•我们将多尺度去噪评分匹配整合到耦合扩散过程中,以提高生成结果的准确性。
•我们对生成模型的潜在变量进行解纠缠,以提高时间序列预测的可解释性。
•在合成数据集和真实数据集上的大量实验表明,D3VAE的性能优于竞争基线,
Generative Time Series Forecasting with Diffusion, Denoise, and Disentanglement相关推荐
- 愉快的学习就从翻译开始吧_0-Time Series Forecasting with the Long Short-Term Memory Network in Python
The Long Short-Term Memory recurrent neural network has the promise of learning long sequences of ob ...
- 论文阅读:Recurrent Neural Networks for Time Series Forecasting Current Status and Future Directions
typora-copy-images-to: ./ Recurrent Neural Networks for Time Series Forecasting: Current Status and ...
- Towards Spatio-Temporal Aware Traffic Time Series Forecasting
Towards Spatio-Temporal Aware Traffic Time Series Forecasting 摘要:由于复杂的时空动态,不同地点的时间序列往往具有不同的模式,交通时间序列 ...
- 论文笔记:Do We Really Need Deep Learning Models for Time Series Forecasting?
Do We Really Need Deep Learning Models for Time Series Forecasting? Elsayed S, Thyssens D, Rashed A, ...
- Connecting the Dots: Multivariate Time Series Forecasting with Graph Neural Networks
Connecting the Dots: Multivariate Time Series Forecasting with Graph Neural Networks 摘要:长期以来,多元时间序列建 ...
- 时间序列预测分析(2)How to Develop a Skillful Machine Learning Time Series Forecasting Model
文章目录 Process Overview How to Use This Process 1. Define Problem 分析问题 2. Design Test Harness 设计评估工具 常 ...
- 【翻译1】Multivariate Time Series Forecasting with LSTMs in Keras——PM2.5
LSTM-PM2.5预测例程 1. Air Pollution Forecasting 2. Basic Data Preparation 3. Multivariate LSTM Forecast ...
- 【论文精读】Temporal Fusion Transformers for Interpretable Multi-horizon Time Series Forecasting
[论文精读]Temporal Fusion Transformers for Interpretable Multi-horizon Time Series Forecasting 针对未来的一个多步 ...
- N-HiTS: Neural Hierarchical Interpolation for Time Series Forecasting
N-HiTS: Neural Hierarchical Interpolation for Time Series Forecasting 神经预测的最新进展加速了大规模预测系统性能的提高.然而,长期 ...
最新文章
- 手绘10张图,把CSRF跨域攻击、JWT跨域认证说得明明白白的
- 轮播swiper配置选项
- 一位 CEO 对 CTO 技术领导力的期待是什么?
- 后端学习 - MySQL存储引擎、索引与事务
- 学习Spring Boot:(三)配置文件
- python之穿越火线游戏代码_Python 大作业之五子棋游戏(附代码)
- (三)设置Jenkins为MLOps构建CI/CD管道
- GetConsoleWindow was not declared in this scope
- php单进程锁定,强制PHP命令行脚本单进程运行的方法
- Nuget:Newtonsoft.Json
- delphi CnPack
- ogg怎么转mp3格式,ogg转mp3方法
- 有测试狗狗好坏的软件吗,6个测试判断狗狗性格,胆小或凶猛一测便知,你家狗狗是哪种?...
- 没有IP地址的主机如何保持IP层联通
- 深度学习中模型攻击与防御(Attack DL Models and Defense)的原理与应用(李宏毅视频课笔记)
- redis限制set大小_redis set大小限制_微信文件大小限制
- ubuntu18.04安装SecureCRT
- 仅需一个参数,开启微信小程序长按图片转发朋友,发送给朋友功能。小程序转发图片给朋友功能。
- jquery ajax 二级联动
- 光学成像 |综述| 高光谱成像技术概述
热门文章
- 锂电池供电电路设计方案汇总(四款设计方案)
- 青春无悔―追忆10年前的那场校园民谣
- 计算机与英语关系,计算机底层和英文毫无关系
- 流式传输原理(一) 之通过Web服务器访问音频和视频
- 3dmax软件渲染模型导出JPG格式图片的方法
- 隐式函数matlab,matlab隐函数求解的几种方法
- (弃更)一些黑科技和技巧
- [Mac 硬件相关] Mac日常拆卸及相关维护(更换电池/清风扇/更换硅脂)
- 制作本地SCLo-scl镜像仓库(reposync下载rpm包、createrepo制作镜像仓库、httpd发布服务)
- CCAI 2017 | 中国工程院院士李德毅:L3的挑战与量产