رویکرد GAN به داده های سری زمانی مصنوعی

عکس پروفایل نویسنده

@ydataYData

YData یک پلت فرم آزمایش مجموعه داده با تولید داده های مصنوعی ارائه می دهد.

سری زمانی یا داده های ترتیبی را می توان به عنوان هر داده ای که وابستگی زمانی دارد ، تعریف کرد. سرد، متعجب، اما از کجا می توانم داده های پی در پی پیدا کنم؟ خوب ، کمی در همه جا ، از معاملات کارت اعتباری ، کارهای روزمره و محل زندگی من گرفته تا پرونده های پزشکی ، مانند ECG و EEG.

تولید داده های متوالی مصنوعی با TimeGAN

اگرچه یافتن داده های متوالی بسیار معمول است و بسیار مفید است ، اما دلایل زیادی وجود دارد که منجر به عدم استفاده از آنها می شود – از مقررات حریم خصوصی تا کمیاب بودن آن.

در یکی از پست های قبلی من ، توانایی Netwareworks General Adversarial Netoworks (GANs) را برای یادگیری و تولید داده های مصنوعی جدید که باعث حفظ سودمندی و وفاداری یک مجموعه داده واقعی است ، پوشش داده ام ، با این وجود تولید داده های جدولی بسیار ساده تر از تولید مجموعه های داده است که باید حفظ شود پویایی زمانی

به مدل با موفقیت داده های سری زمانی به این معنی است که یک مدل نه تنها باید توزیع ویژگی های مجموعه داده ها را در هر نقطه زمانی ضبط کند ، بلکه باید بتواند پویایی پیچیده آن ویژگی ها را در طول زمان ضبط کند. همچنین نباید فراموش کنیم که هر توالی زمانی به عنوان یک طول متغیر مرتبط است.

اما یک کار چالش برانگیز به معنای این نیست که …

سئو PBN | خبر های جدید سئو و هک و سرور