TimeDP: Модель диффузии временных рядов для разных областей с подсказками по доменам

Генерация временных рядов с помощью TimeDP

Генерация временных рядов важна для множества приложений, таких как дополнение данных и создание синтетических наборов. Однако, когда речь идет о нескольких категориях, процесс становится сложным из-за разнообразия паттернов в реальном мире.

Проблемы существующих методов

Текущие методы генерации временных рядов, такие как GANs и VAEs, фокусируются на отдельных аспектах, но часто не могут эффективно работать с несколькими доменами. Модели диффузии, такие как DDPMs, также ориентированы на одиночные домены.

Решение: Модель TimeDP

Исследователи из Нанкинского университета, Microsoft Research Asia и Пекинского университета разработали новую модель TimeDP для генерации временных рядов из нескольких доменов. Основные особенности модели:

Семантические прототипы: Основные временные ряды задаются с помощью прототипов, которые представляют собой элементарные характеристики.
Прототипное назначение: Модель использует модуль назначения прототипов для учета особенностей каждого домена.
Универсальная генерация: Возможность генерировать временные ряды даже для невиданных доменов, используя универсальные прототипы.

Оценка эффективности

Модель была протестирована на 12 наборах данных из четырех доменов: энергия, транспорт и природа. Результаты показали, что TimeDP обеспечивает высокое качество генерации временных рядов, опережая другие модели по нескольким метрикам.

Преимущества TimeDP

TimeDP предлагает:

Лучшее качество: Генерация временных рядов, близких к реальным данным.
Гибкость: Эффективная работа с различными доменами.
Перспективы для будущих исследований: Основы для дальнейших работ в области адаптации и обучения на основе прототипов.