Fully Embedded Time-Series Generative Adversarial Networks

要約

Generative Adversarial Networks (GAN) は、モデル化されているデータの基礎となる分布に適合する合成データを生成する必要があります。
実際の値の時系列データの場合、これはデータの静的分布を同時に取得する必要があることを意味しますが、潜在的な時間範囲におけるデータの完全な時間分布も同時に取得する必要があります。
この時間的要素はより複雑な問題を生成し、現在のソリューションが制約不足になったり、トレーニング中に不安定になったり、さまざまな程度のモード崩壊が発生したりする可能性があります。
FETSGAN では、seq2seq スタイルの敵対的自動エンコーダー (AAE) を使用して、シーケンス全体がジェネレーターのサンプリング空間に直接変換されます。ここで、敵対的トレーニングは、特徴空間と低次元サンプリング空間の両方でトレーニング分布を一致させるために使用されます。
この追加の制約により、合成サンプルの時間分布が崩れないという緩やかな保証が提供されます。
さらに、エンコードされたシーケンスの再構築を補うために First Above Threshold (FAT) オペレーターが導入され、トレーニングの安定性と生成される合成データの全体的な品質が向上します。
これらの新たな貢献は、FETSGAN を通じて生成されたデータの時間的類似性の定性的測定と定量的予測能力において、敵対的学習者にとっての最新技術の大幅な改善を実証しています。

要約(オリジナル)

Generative Adversarial Networks (GANs) should produce synthetic data that fits the underlying distribution of the data being modeled. For real valued time-series data, this implies the need to simultaneously capture the static distribution of the data, but also the full temporal distribution of the data for any potential time horizon. This temporal element produces a more complex problem that can potentially leave current solutions under-constrained, unstable during training, or prone to varying degrees of mode collapse. In FETSGAN, entire sequences are translated directly to the generator’s sampling space using a seq2seq style adversarial auto encoder (AAE), where adversarial training is used to match the training distribution in both the feature space and the lower dimensional sampling space. This additional constraint provides a loose assurance that the temporal distribution of the synthetic samples will not collapse. In addition, the First Above Threshold (FAT) operator is introduced to supplement the reconstruction of encoded sequences, which improves training stability and the overall quality of the synthetic data being generated. These novel contributions demonstrate a significant improvement to the current state of the art for adversarial learners in qualitative measures of temporal similarity and quantitative predictive ability of data generated through FETSGAN.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google