通过 Koopman VAEs 对规律和非规律时间序列数据的生成建模

基于 Koopman VAE 的新型生成框架，能够优化正常和不规则的时间序列数据，通过引入领域知识和动力系统理论工具，KVAE 在合成和真实时间序列生成基准测试中优于当前的 GAN 和 VAE 方法，并学习出更好地逼近实际分布的概率密度函数。

该文介绍了GPPVAE模型，结合了VAEs和GP priors的能力，解决了VAEs潜在样本表示不够强的问题，并介绍了一种新的随机反向传播策略，可以在两个图像数据应用程序中优于CVAEs和标准VAEs。

GP priors GPPVAE VAEs 图像数据应用程序建模随机反向传播