典型文献
基于多鉴别器生成对抗网络的时间序列生成模型
文献摘要：
针对时间序列的隐私性和连续性导致时间序列数据集在收集过程中存在收集代价昂贵和数据缺失等问题,提出了一种基于循环神经网络的多鉴别器生成对抗网络模型,该模型能够利用小规模数据集合成得到与真实数据相似分布的时间序列数据集.多鉴别器包含时域、频域、时频域和自相关4种鉴别器,能够充分识别时间序列不同维度下的特征.在实验中,通过损失函数的收敛分析、主成分分析和误差分析,分别从定性和定量的角度对模型进行性能评估.结果表明,所提模型和其他参考模型相比具有更好的性能.
文献关键词：
生成对抗网络;时间序列;傅里叶变换;自相关函数;机器学习
中图分类号：
作者姓名：
陆彦辉;柳寒;李航;朱光旭
作者机构：
郑州大学电气与信息工程学院,河南郑州 450001;深圳市大数据研究院,广东深圳 518115
文献出处：
引用格式：
[1]陆彦辉;柳寒;李航;朱光旭-.基于多鉴别器生成对抗网络的时间序列生成模型)[J].通信学报,2022(10):167-176
A类：
B类：
多鉴别器,生成对抗网络,序列生成,生成模型,隐私性,时间序列数据,昂贵,贵和,数据缺失,循环神经网络,小规模数据集,数据集合,真实数据,时频域,不同维度,损失函数,收敛分析,误差分析,定性和定量,性能评估,参考模型,傅里叶变换,自相关函数
AB值：
0.314048
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
