近期大火的扩散模型与时间序列/时空数据的交叉能够碰撞出怎样的火花？

文章预览

点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入！ 扩散模型在时间序列和时空数据中的理论、进展、应用与展望 作者简介 杨毅远 ， 牛津大学计算机系博士生， 牛津克拉伦登学者，师从Andrew Markham教授和Niki Trigoni院士，研究方向数据挖掘、时间序列、生成模型、信号处理等。 概述 A survey on diffusion models for time series and spatio-temporal data 时间序列（Time series） 的研究对于理解趋势、周期和异常具有关键作用，可以在各个领域提供超前的洞察力； 时空数据（Spatio-temporal data） 对于分析空间和时间中的各种特征至关重要，为复杂系统的交互关系提供了动态视角。 近年来， 扩散模型（Diffusion model） 在时间序列和时空数据挖掘中得到了广泛应用，不仅增强了对序列和时空数据的生成和推断能力，还扩展到其他下游任务。 本综述对扩散模型在时间序列 ………………………………