Retrieval-Augmented Diffusion Models for Time Series Forecasting

本文是LLM系列文章,针对《Retrieval-Augmented Diffusion Models for Time Series Forecasting》的翻译。

时间序列预测的增强扩散模型检索

摘要

虽然时间序列扩散模型在最近的许多研究中受到了相当大的关注,但现有模型的性能仍然高度不稳定。限制时间序列扩散模型的因素包括时间序列数据集不足和缺乏指导。为了解决这些局限性,我们提出了一种检索增强时间序列扩散模型(RATD)。RATD的框架由两部分组成:基于嵌入的检索过程和参考引导的扩散模型。在第一部分中,RATD从数据库中检索与历史时间序列最相关的时间序列作为参考。第二部分利用参考文献指导去噪过程。我们的方法允许利用数据库中有意义的样本来帮助采样,从而最大限度地利用数据集。同时,这种参考引导机制也弥补了现有时间序列扩散模型在引导方面的不足。在多个数据集上的实验和可视化证明了我们的方法的有效性,特别是在复杂的预测任务中。我们的代码在https://github.com/stanliu96/RATD上可用。

1 引言

2 相关工作

3 前言

4 方法

5 实验

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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