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 Auto-Encoder
进行特征提取
Scaled Denoising Score Matching for Diffused Time Series Cleaning
因为扩散过程得到的Y可能偏向更大的噪声,要限制偏离程度
在测试集中:
Disentangling Latent Variables for Interpretation
为了增强模型的可解释性,对提取的变量进行分解,最小化Total Correlation实现
训练的loss
这一部分是为了使得预测的分布接近label得分布
算法
实验结果
2个假数据,6个真数据集