该图的组织方式如下。蓝色虚线与 GAN（生成对抗网络）相关，其目标是生成一系列合成数据集，通过连续迭代，这些数据集能够越来越好地模仿真实数据中存在的结构。该图具有 5 次这样的迭代，合成数据集表示为S 1、S 2、…、S 5。通常，GAN 遵循h的梯度来达到最佳配置q不能再将其归类为非真实的。在这种强化学习技术中，更接近真实数据的合成数据会得到奖励。与任何模拟密集型方法一样，训练神经网络可能非常耗时，而且这种黑盒方法可能缺乏可解释性。323ai导航网
粉色虚线与建模技术（生成式 AI、GMM）相关，其中合成数据是通过使用根据实际数据估计的参数值（即，对于所有 k 而言 q k = p）来模拟基础模型来获得的。对于 GMM（高斯混合模型），参数是聚类中心、附加到每个聚类的协方差矩阵以及混合的比例。对于平稳时间序列，参数通常是自相关函数 (ACF)。在某些应用程序中，包括使用 copula 时，会使用 EDPD（经验概率密度函数）。
目标是模仿真实数据中的结构，而不是真实数据本身。该结构由实际数据中表示为p 的参数配置表示。我使用符号p 1 , …, p 5来表示 5 个合成数据集中找到的结构。合成数据集k的质量h k是p k和p之间的距离，基于 Hellinger 距离或 GAN 中的某些判别函数。假设真实数据在合成之前已经被标准化（转换）。“估计。” 参数。” 代表图中的估计参数，尽管有时参数可以是函数或矩阵而不是一组元素。323ai导航网（www.323ai.com）总结发布
一张图片解释数据合成
相关文章
