Generative Time Series Forecasting with Diffusion,Denoise, and Disentanglement 阅读笔记

最新推荐文章于 2024-11-12 21:52:22 发布
最新推荐文章于 2024-11-12 21:52:22 发布
阅读量354 收藏
点赞数
文章标签： 笔记 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42649288/article/details/132777030
版权

Intro

时间序列预测：输入一段时间序列预测未来的时间序列。

在现实世界中，数据存在各种噪声，input有噪声，output也有噪声

如何减少这些噪声的影响，本文在用diffusion过程来序列进行建模，分离出去噪的原始数据。并且采用DSM进一步对output进行去噪

method

Coupled Diffusion Probabilistic Model

为什么耦合，因为他们的扩散过程的参数是相关的

Bidirectional Variational

最低0.47元/天 解锁文章
大模型联邦学习
关注
Diffusion Models/Score-based Generative Models背后的深度学习原理(4)：随机最大似然和对比散度
沉迷单车的追风少年
02-27 1071
有不少订阅我专栏的读者问diffusion models很深奥读不懂，需要先看一些什么知识打下基础？虽然diffusion models是一个非常前沿的工作，但肯定不是凭空产生的，背后涉及到非常多深度学习的知识，我将从配分函数、基于能量模型、马尔科夫链蒙特卡洛采样、得分匹配、比率匹配、降噪得分匹配、桥式采样、深度玻尔兹曼机、对比散度、随机最大似然等方面，总结一些经典的知识点，供读者参考。
Generative Time Series Forecasting with Diffusion, Denoise, and Disentanglement
小蚂蚁与大象
11-26 1271
具体地，提出一种耦合扩散概率模型，在不增加任意不确定性的情况下对时间序列数据进行增强，并利用BVAE实现更易于处理的推理过程。此外，为了增强预测的可解释性和稳定性，以多元的方式处理潜变量，并在最小化总相关性的基础上解缠它们。在这项工作中，我们采用了一种更有效的生成模型，即双向变分自动编码器(BVAE)[89]，以取代扩散模型的反向过程。•我们提出了一种耦合扩散概率模型，旨在降低时间序列的任意不确定性，提高生成模型的泛化能力。•我们对生成模型的潜在变量进行解纠缠，以提高时间序列预测的可解释性。
Time Series Diffusion Method: A Denoising Diffusion Probabilistic Model for Vibration Signal Genera
XZHBUT的博客
12-22 486
Time Series Diffusion Method: A Denoising Diffusion Probabilistic Model for Vibration Signal Genera Abstract Diffusion models have demonstrated robust data generation capabilities in various research fields. In this paper, a Time Series Diffusion Method
论文里的好句子（5）
weixin_45193103的博客
12-17 466
具体而言，提出了一种耦合扩散概率模型，在不增加随机不确定性的前提下对时间序列数据进行扩充，并利用BVAE实现了更易处理的推理过程.为了保证生成的序列更接近真实目标，我们进一步提出了将多尺度去噪得分匹配融入到扩散过程中进行时间序列预测.此外，为了提高预测的可解释性和稳定性，我们以多元方式处理潜在变量，并在最小化总相关性的基础上将它们分开。时间序列预测是一个广泛研究的课题，在许多应用中具有重要意义。扩散、去噪和解纠缠的生成时间序列预测。
最新-时间序列-顶会顶刊论文汇总【论文/源码链接】
weixin_45016199的博客
05-18 2600
这半年我一直在看时间序列相关的论文，这篇汇总非常有用，全是干货。顶会顶刊，开源代码。祝学习愉快！【搬运自github】【侵删】
2023 推荐系统论文整理
卢之
04-14 8349
对2023年的推荐系统论文进行一波收集，给各位做灵感。
AAAI2020论文列表（中英对照）
dovings的博客
07-04 6175
AAAI2020论文列表（中英对照）
CVPR2021论文列表（中英对照）
热门推荐
dovings的博客
07-04 1万+
CVPR论文列表，中英对照
a paper named Generative Time Series Forecasting with Diffusion, Denoise, and Disentanglement
04-03
In this paper, we propose a novel generative model for time series forecasting, which incorporates diffusion, denoise, and disentanglement techniques. Our model is based on the autoregressive moving ...
Paper list of Time-series Forecasting with Deep Learning
Soldier_GY的博客
06-19 1431
Paper list of Time-series Forecasting with Deep Learning RNN-LSTM Deep and Confident Prediction for Time Series at Uber DeepAR_Probabilistic Forecasting with Autoregressive Recurrent Networks R2N...
批量归一化 BN(Batch Normalization) (减少重复学习 - 加速损失收敛) + 代码实现 ——笔记2.15《动手学深度学习》
科研汪小陈的博客
11-08 1116
批量归一化固定小批量中的均值和方差，然后学习出适合的偏移和缩放； 可以加速收敛速度（比如以前学习率是0.01，现在用了批量归一化后，可以调到0.1） 不会出现之前：学习率太大的话，上面 (靠近损失的梯度) 会炸掉； 不会出现之前：学习率太小的话，下面 (靠近数据的模型参数) 会学不动； 每一个层的输出都通过均值方差放在一起了，上下层的分布都差不多是正态分布； 但一般不改变模型精度
Greiner 经典力学（多体系统和哈密顿力学）第十二章 学习笔记（Rotation About a Point）
Ivan 的专栏
11-09 1067
上一章是绕定轴转动，这章是绕定点转动。这一章明显上难度了。
JavaScript面向对象笔记(4)
maoshunsheng的博客
11-10 1001
<script>//小括号表示优先级var reg = /^(abc){3}$/ // 表示abc重复3次</script>
Window.history API学习笔记
常备不懈
11-12 259
在现代前端开发中，单页应用（SPA）的流行让我们对于页面的浏览历史管理需求愈加明显。`window.history` API作为浏览器提供的原生API，能够帮助开发者更加细致地控制用户的导航体验。本文将介绍`window.history` API的几个常见方法，并探讨它们的使用场景。
车机版 Android Audio 框架笔记
小羊子的技术专栏
11-08 198
车机版Android Audio 框架涉及的知识点很多，在工作中涉及的功能板块也及其繁杂，后面我会根据工作中的一些实际遇到的实例，逐步拆解 Android Audio的知识点，这里从网上整理了一些思维导图，可以做为未来的一个研究方向，希望大家持续关注，欢迎交流~
【Java学习笔记】13. I/O系统
diguangxihua的博客
11-08 601
输入/输出(Input/Output)是指对某个物理或逻辑设备或某种㡳进行数据的输入或输出。例如：对服务器主机数据的读/写、摄像头视频数据的输入、本地文件的输入/输出等。由于数据存取的环境和设备不同，所以数据的读/写方案具有多样性。输入/输出问题在程序射击中是一个复杂的问题。java针对这个问题，提出了自己的解决方案——流（Stream）对象。对不同的输入/输出问题提供了不同的流对象。所有的数据都可以使用流写入和读出。流是程序中数据传输的一条路径。
操作系统学习笔记-4.1文件管理
zxjiaya的博客
11-07 1064
文件的逻辑结构，物理结构，存储，管理，文件共享，文件保护
Spring学习笔记_32——事务TransactionStatus接口
LuckyLay的博客
11-12 150
TransactionStatus是Spring框架中用于表示事务状态的一个关键接口。它提供了一系列方法来查询和控制事务的执行状态，对于编程式事务管理尤为重要。TransactionStatus接口主要用来存储事务执行的状态，并且接口中定义了一组方法，用来判断或者读取事务的状态信息，
MySQL数据库：SQL语言入门 【上】（学习笔记）
最新发布
2301_81819439的博客
11-12 1052
SQL语句概念，组成 DQL 数据的查询语言，select，单表查询，多表查询，子查询
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值