« Génération des séries chronologiques » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
(3 versions intermédiaires par le même utilisateur non affichées) | |||
Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
La génération | La génération des séries chronologique crée et synthétise les données reflétant avec précision les séries chronologiques du monde réel. Son efficacité dépend de l'existence de grands ensembles de données d'entraînement. Elle nécessite également l'apprentissage de schémas et de tendances sous-jacents à partir des informations passées, puisque les '''[[données spatio-temporelles]]''' sont caractérisées par leurs dépendances temporelles. | ||
Voir aussi '''[[ | Voir aussi '''[[imputation des séries chronologiques]]''', '''[[prédiction des données chronologiques]]''' et '''[[série chronologique]]''' | ||
== Compléments == | == Compléments == | ||
Ligne 8 : | Ligne 8 : | ||
== Français == | == Français == | ||
''' génération | ''' génération des séries chronologiques''' | ||
''' génération des séries temporelles''' | |||
== Anglais == | == Anglais == |
Dernière version du 21 novembre 2024 à 09:02
Définition
La génération des séries chronologique crée et synthétise les données reflétant avec précision les séries chronologiques du monde réel. Son efficacité dépend de l'existence de grands ensembles de données d'entraînement. Elle nécessite également l'apprentissage de schémas et de tendances sous-jacents à partir des informations passées, puisque les données spatio-temporelles sont caractérisées par leurs dépendances temporelles.
Voir aussi imputation des séries chronologiques, prédiction des données chronologiques et série chronologique
Compléments
Plusieurs méthodes de génération des séries chronologiques existent, telles que l'autoencodeur variationnel et le réseau antagoniste génératif.
Français
génération des séries chronologiques
génération des séries temporelles
Anglais
time series generation
time-series generation
TSG
Time series generation is a process that creates and synthesizes data that accurately mirrors real-world time series and its efficiency hinges on having large training data sets. It also requires the learning of underlaying patterns and trends from the past information since time series data is characterized by its temporal dependencies.
Several methods for TSG exist such as VAE and GAN.
Source
Contributeurs: Arianne