扩散模型在时间序列的应用综述（英文）

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。