时间编织者：一种条件时间序列生成模型
原文中文，约400字，阅读约需1分钟。发表于：。基于异构元数据的时序生成，Time Weaver 模型通过利用分类、连续和时变变量显著提高时序生成，并创新性地提出了适用于时序领域的评估指标，证明在真实世界的能源、医疗、空气质量和交通数据集上，在下游分类任务中性能优于生成对抗网络（GANs）。
本研究使用多个深度生成方法和两种新方法进行条件多步时间序列生成，并引入了衡量金融建模中生成时间序列质量的框架和关键绩效指标。研究结果显示，HS、GARCH和CWGAN模型表现最佳，未来研究方向正在讨论中。
