Основные понятия
新しいMulti-Granularity Time Series Diffusion(MG-TSD)モデルは、異なる粒度レベルを活用して拡散モデルの学習プロセスをガイドします。
Аннотация
最近、拡散確率モデルは高品質なサンプルを生成する能力から注目されていますが、時間系列予測タスクでの効果的な利用には課題があります。MG-TSDモデルは、異なる粒度レベルのデータを中間拡散ステップでターゲットとして活用し、拡散モデルの学習プロセスをガイドする革新的な手法です。このアプローチにより、変動性が低下し高品質な予測結果が得られます。実世界のデータセットで行われた実験では、MG-TSDモデルが既存の時間系列予測手法を上回ることが示されています。
Статистика
Published as a conference paper at ICLR 2024.
CRPSsum values averaged over 10 independent runs:
Solar: 0.3081±0.0099
Electricity: 0.0149±0.0017
Traffic: 0.0323±0.0125
KDD-cup: 0.1837±0.0865
Taxi: 0.1159±0.0132
Wikipedia: 0.0529±0.0054.
Цитаты
"Extensive experiments conducted on real-world datasets demonstrate that our MG-TSD model outperforms existing time series prediction methods."
"Our key contributions can be summarized as below:
We introduce a novel MG-TSD model with an innovatively designed multi-granularity guidance loss function that efficiently guides the diffusion learning process, resulting in reliable sampling paths and more precise forecasting results."
"We propose a concise implementation that leverages coarse-grained data instances at various granularity levels."