每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

时间序列基础模型的合成序列符号数据生成

Created by
  • Haebom

作者

王文轩、吴凯、李玉剑、王丹、张晓宇

大纲

尽管时间序列分析的基础模型备受关注，但它们仍然面临着训练数据不足和不平衡等挑战。受复杂动力系统理论的启发，本文设计了一种序列-符号数据生成机制，可以生成无限数量的时间序列数据及其对应的符号表示。为了利用强相关的序列-符号数据对，我们开发了一个预训练的基础模型 SymTime，该模型利用符号信息来增强时间序列表示。SymTime 在真实数据集上与预训练的基础模型进行了竞争，并在五个关键的时间序列分析任务中展现出极具竞争力的性能。该方法展示了序列-符号数据生成和预训练机制在克服数据不足和提升任务性能方面的潜力。

Takeaways，Limitations

•
Takeaways：
◦
通过序列-符号数据生成方法解决时间序列数据缺乏的问题。
◦
开发利用符号信息来提高时间序列表示能力的 SymTime 模型。
◦
在各种时间序列分析任务中取得有竞争力的表现。
◦
展示数据生成和预训练机制的潜力。
•
Limitations：
◦
缺乏具体数据生成机制的详细描述。
◦
缺乏有关 SymTime 模型的结构和详细实现的信息。
◦
需要更多信息来与基于真实数据集的模型进行比较分析。
◦
需要在其他时间序列数据集上进行普遍性和性能验证。
👍
Made with Slashpage