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

来源 ：EvolGroup 本文 约2500字 ，建议阅读 5分钟 本文提出了一种基于信号到图像变换和视觉扩散骨干的新模型实现在一个框架中同时考虑短期、长期和超长期时间序列。 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 ………………………………