論文の概要: Generative adversarial networks in time series: A survey and taxonomy
- arxiv url: http://arxiv.org/abs/2107.11098v1
- Date: Fri, 23 Jul 2021 09:38:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-26 19:17:45.006137
- Title: Generative adversarial networks in time series: A survey and taxonomy
- Title（参考訳）: 時系列における生成的逆ネットワーク:調査と分類
- Authors: Eoin Brophy, Zhengwei Wang, Qi She, Tomas Ward
- Abstract要約: GAN(Generative Adversarial Network)の研究は、ここ数年で指数関数的に増加している。
GANアプリケーションは時系列やシーケンス生成といった分野にまたがって多様化してきた。
GANの比較的新しいニッチとして、フィールドワークは高品質で多様性があり、プライベートな時系列データの開発を続けている。
- 参考スコア（独自算出の注目度）: 7.885673762715387
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative adversarial networks (GANs) studies have grown exponentially in
the past few years. Their impact has been seen mainly in the computer vision
field with realistic image and video manipulation, especially generation,
making significant advancements. While these computer vision advances have
garnered much attention, GAN applications have diversified across disciplines
such as time series and sequence generation. As a relatively new niche for
GANs, fieldwork is ongoing to develop high quality, diverse and private time
series data. In this paper, we review GAN variants designed for time series
related applications. We propose a taxonomy of discrete-variant GANs and
continuous-variant GANs, in which GANs deal with discrete time series and
continuous time series data. Here we showcase the latest and most popular
literature in this field; their architectures, results, and applications. We
also provide a list of the most popular evaluation metrics and their
suitability across applications. Also presented is a discussion of privacy
measures for these GANs and further protections and directions for dealing with
sensitive data. We aim to frame clearly and concisely the latest and
state-of-the-art research in this area and their applications to real-world
technologies.
- Abstract（参考訳）: 過去数年間、gans(generative adversarial networks)の研究は指数関数的に増加している。
その影響は、主に写実的な画像とビデオ操作、特に生成を伴うコンピュータビジョンの分野で見られ、大きな進歩を遂げている。
これらのコンピュータビジョンの進歩は注目されているが、GANアプリケーションは時系列やシーケンス生成といった分野に多様化している。
GANの比較的新しいニッチとして、フィールドワークは高品質で多様性があり、プライベートな時系列データの開発を続けている。
本稿では,時系列関連アプリケーション用に設計されたGAN変種についてレビューする。
本稿では,ganが離散時系列と連続時系列データを扱う離散変数ganと連続変数ganの分類法を提案する。
ここでは,この分野の最新かつ最も人気のある文献,そのアーキテクチャ,結果,アプリケーションを紹介する。
また、最も人気のある評価指標とアプリケーション間の適合性のリストも提供します。
また、これらのGANのプライバシー対策と、機密データを扱うためのさらなる保護と方向性についても議論する。
我々は,この領域における最新かつ最先端の研究の明確かつ簡潔な枠組みと実世界の技術への応用を目指しています。
関連論文リスト
- A Survey of Transformer Enabled Time Series Synthesis [38.897055626205464]
生成AIは画像と言語領域で多くの注目を集めている。
本稿では,変換器,生成AI,時系列データの交点におけるこのギャップを明らかにする。
レビューされた研究はアプローチの多様さを示しており、ドメインがもたらす問題に対する決定的な回答にはまだ収束していない。
論文 参考訳（メタデータ） (2024-06-04T13:52:42Z) - A Chronological Survey of Theoretical Advancements in Generative
Adversarial Networks for Computer Vision [0.0]
GAN(Generative Adversarial Networks)は、特にコンピュータビジョンの研究分野において、長年にわたりワークホース生成モデルである。
GANに関する多くの調査があり、様々な視点と視点から膨大なGAN文献を整理している。
この調査は、このギャップを埋め、GANの理論と応用に関するいくつかの画期的な研究成果を時系列順に示すことを目的としている。
論文 参考訳（メタデータ） (2023-11-02T05:11:47Z) - Large Models for Time Series and Spatio-Temporal Data: A Survey and
Outlook [95.32949323258251]
時系列データ、特に時系列データと時間時間データは、現実世界のアプリケーションで広く使われている。
大規模言語やその他の基礎モデルの最近の進歩は、時系列データマイニングや時間データマイニングでの使用の増加に拍車を掛けている。
論文 参考訳（メタデータ） (2023-10-16T09:06:00Z) - Ten Years of Generative Adversarial Nets (GANs): A survey of the
state-of-the-art [0.0]
Generative Adversarial Networks (GAN) は、様々な領域にまたがる現実的で多様なデータを生成する強力なツールとして急速に登場した。
2018年2月、GANは「Top Ten Global Breakthrough Technologies List」でトップ10を獲得した。
この調査は、最も広く認識されているバリエーションの潜在アーキテクチャ、バリデーションメトリクス、およびアプリケーション領域を要約した、GANの一般的な概要を提供することを目的としている。
論文 参考訳（メタデータ） (2023-08-30T20:46:45Z) - A Survey on Graph Neural Networks for Time Series: Forecasting, Classification, Imputation, and Anomaly Detection [98.41798478488101]
時系列分析は、利用可能なデータに暗黙的な情報の富を解放するために不可欠である。
グラフニューラルネットワーク(GNN)の最近の進歩は、時系列解析のためのGNNベースのアプローチの急増につながっている。
この調査は、GNNベースの時系列研究に関する膨大な知識をまとめ、基礎、実践的応用、時系列分析のためのグラフニューラルネットワークの機会を強調します。
論文 参考訳（メタデータ） (2023-07-07T08:05:03Z) - Data Augmentation techniques in time series domain: A survey and
taxonomy [0.20971479389679332]
時系列を扱うディープニューラルネットワークは、トレーニングで使用されるデータセットのサイズと一貫性に大きく依存する。
この研究は、すべての利用可能なアルゴリズムの概要を提供するために、この分野の最先端を体系的にレビューする。
本研究の究極的な目的は、この分野の将来の研究者を導くために、より良い結果をもたらす領域の進化と性能を概説することである。
論文 参考訳（メタデータ） (2022-06-25T17:09:00Z) - Time Series Analysis via Network Science: Concepts and Algorithms [62.997667081978825]
本稿では,時系列をネットワークに変換する既存のマッピング手法について概観する。
我々は、主要な概念的アプローチを説明し、権威的な参照を提供し、統一された表記法と言語におけるそれらの利点と限界について洞察を与える。
ごく最近の研究だが、この研究領域には大きな可能性を秘めており、今後の研究の道を開くことを目的としている。
論文 参考訳（メタデータ） (2021-10-11T13:33:18Z) - Networked Time Series Prediction with Incomplete Data [59.45358694862176]
我々は、歴史と未来の両方で欠落した値を持つ不完全なデータでトレーニングできる新しいディープラーニングフレームワークであるNetS-ImpGANを提案する。
3つの実世界のデータセットに対して、異なるパターンと欠落率で広範な実験を行う。
論文 参考訳（メタデータ） (2021-10-05T18:20:42Z) - Generative Adversarial Networks for Spatio-temporal Data: A Survey [8.575750904153201]
GANベースの技術は、軌跡予測、イベント生成、時間的データ計算などのポイントベースのアプリケーションに有望であることが示されている。
我々は、時間的データのためのGANの最近の展開を包括的にレビューした。
論文 参考訳（メタデータ） (2020-08-18T11:05:40Z) - Connecting the Dots: Multivariate Time Series Forecasting with Graph
Neural Networks [91.65637773358347]
多変量時系列データに特化して設計された汎用グラフニューラルネットワークフレームワークを提案する。
グラフ学習モジュールを用いて,変数間の一方向関係を自動的に抽出する。
提案手法は,4つのベンチマークデータセットのうち3つにおいて,最先端のベースライン手法よりも優れている。
論文 参考訳（メタデータ） (2020-05-24T04:02:18Z) - A Review on Generative Adversarial Networks: Algorithms, Theory, and
Applications [154.4832792036163]
GAN(Generative Adversarial Network)は近年ホットな研究トピックである。
GANは2014年から広く研究され、多くのアルゴリズムが提案されている。
本稿では,アルゴリズム,理論,応用の観点から,様々なGAN手法のレビューを行う。
論文 参考訳（メタデータ） (2020-01-20T01:52:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。