NeurIPS 2024 ImagenTime：利用图像转换实现变长时间序列生成的处理

文章预览

标题 Utilizing Image Transforms and Diffusion Models for Generative Modeling of Short and Long Time Series 作者 Ilan Naiman，Nimrod Berman，Itai Pemper，Idan Arbiv，Gal Fadlon，Omri Azencot 论文 https://arxiv.org/pdf/2410.19538 代码 https://github.com/azencot-group/ImagenTime 摘要 最近，围绕时间序列数据的生成建模的兴趣激增。大多数现有方法要么设计用于处理短序列，要么用于处理长序列。这种二分法可以归因于循环网络的梯度问题、与变换器相关的计算成本，以及状态空间模型的有限表现力。为了实现可变长度时间序列的统一生成模型，我们在本研究中提出将序列转换为图像。 通过使用可逆变换，如延迟嵌入和短时傅里叶变换，本文解锁了三个主要优势： 利用先进的扩散视觉模型； 在同一框架内显著处理短序列和长序列输入； 利用时间序列到图像文献中最近提出和建立的工具。 我们的方法在 ………………………………