为网络物理系统生成合成时间序列数据

数据增强是时间序列领域深度学习应用中的重要驱动因素。研究文献中存在一个空白，即关于时间序列数据增强的主导模型 —— 变换器 —— 的探索非常有限。本文提出了一个将多个成功的先验进行结合的架构，并使用强大的时域相似性度量进行了测试。结果表明了该领域的挑战，以及未来工作的几个有价值的方向。