arXiv · cs.AI · Yujie Li, Zezhi Shao, Jingbo Zhou, Yongjun Xu, Xueqi Cheng, Fei Wang · 8 小时前模型评分46
MarkovTS：预训练状态转移表示实现零样本时间序列生成
MarkovTS: Pretrained State-Transition Representations for Zero-Shot Time Series Generation
导读
MarkovTS 用预训练状态转移表示实现零样本时间序列生成：目标域在预训练中未见过，仅凭一条参考序列、不更新参数即可生成样本。其编码器将归一化时间序列片段量化为多尺度形态状态，并用转移码本编码相邻区间上下文，再以冻结的流匹配模型结合参考条件与高斯噪声采样。在 12 个未见数据集上多数分布对比优于强基线，样本用于预测、分类和异常检测增强均带来整体增益。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “MarkovTS characterizes sequence evolution through local morphologies and their ordered transitions at multiple temporal scales.”
- “Our code is available at this https URL .”
来源：arXiv · cs.AI · arxiv.org