Modello di Diffusione Laplace Latente per Previsioni di Serie Temporali Irregolari
Un nuovo framework generativo chiamato Latent Laplace Diffusion (LLapDiff) è stato introdotto dai ricercatori per prevedere serie temporali multivariate irregolari su orizzonti estesi. Questo approccio rappresenta il target come una traiettoria latente a bassa dimensionalità, facilitando la generazione sull'intero orizzonte senza la necessità di integrazione incrementale. Il processo inverso utilizza una parametrizzazione modale stabile derivata dalla dinamica stocastica port-Hamiltoniana, con l'evoluzione della media definita attraverso poli complessi-coniugati apprendibili nel dominio di Laplace per la valutazione diretta a timestamp irregolari. Un'analisi di rinnovo-media collega la dinamica continua con osservazioni irregolari, associando i gap di campionamento a poli effettivi nel dominio degli eventi e ispirando un riassuntore storico sensibile ai gap. Questo metodo affronta le sfide poste dalle tecniche discrete che alterano la struttura temporale e dai modelli a tempo continuo che possono derivare. La ricerca è disponibile su arXiv con ID 2605.19805.
Fatti principali
- LLapDiff è un framework generativo per la previsione di serie temporali multivariate irregolari.
- Modella il target come una traiettoria latente a bassa dimensionalità.
- Il processo inverso utilizza la dinamica stocastica port-Hamiltoniana.
- L'evoluzione della media è parametrizzata tramite poli complessi-coniugati apprendibili nel dominio di Laplace.
- L'analisi di rinnovo-media mappa i gap di campionamento a poli effettivi nel dominio degli eventi.
- Il metodo evita l'integrazione passo-passo nel tempo fisico.
- Colma il divario tra modelli discreti e a tempo continuo.
- L'articolo è su arXiv con ID 2605.19805.
Entità
Istituzioni
- arXiv