基于改进VAE 的时间序列数据增强方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：基于数据驱动的时间序列预测模型通常需要大量的训练数据，当数据量不足时将导致建模的准确性下降。本文针对时间序列预测中的小样本问题，提出了一种基于改进变分自编码器（Variational Auto-Encoder， VAE） 的时间序列数据增强方法，旨在生成和原始数据不同但分布相似的虚拟数据。通过在编码网络中引入多头自注意力机制挖掘原始数据深层特征，为解码网络生成数据时提供全面的特征信息；引入残差连接避免模型出现梯度消失的问题。（剩余1302字）

试读结束

目录
monitor