扩散模型在时间序列的应用综述(英文) |
| |
引用本文: | 林乐荃,李正坤,李瑞昆,李旭亮,高俊斌.扩散模型在时间序列的应用综述(英文)[J].信息与电子工程前沿(英文版),2024(1):19-42. |
| |
作者姓名: | 林乐荃 李正坤 李瑞昆 李旭亮 高俊斌 |
| |
作者单位: | 1. 悉尼大学商学院;2. 中泰证券股份有限公司博士后科研工作站 |
| |
摘 要: | 扩散模型,一类基于深度学习的生成模型家族,在前沿机器学习研究中变得日益重要。扩散模型以在生成与观察数据相似样本方面的卓越性能而著称,如今广泛用于图像、视频和文本合成。近年来,扩散的概念已扩展到时间序列应用领域,涌现出许多强大的模型。鉴于这些模型缺乏系统性总结和讨论,我们提供此综述作为此领域新研究人员的基础资源,并为激发未来研究提供灵感。为更好理解,引入了有关扩散模型基础知识的介绍。除此之外,主要关注基于扩散的时间序列预测、插补和生成方法,并将它们分别在三个独立章节中呈现。还比较了同一应用的不同方法,并强调它们之间的关联(若适用)。最后,总结了扩散方法的共同局限性,并突出强调潜在的未来研究方向。
|
关 键 词: | 扩散模型 时间序列预测 时间序列插补 去噪扩散概率模型 基于斯坦方法的生成模型 随机微分方程 |
|
|