时间自动编码器TAE

时间自动编码器（TAE）

对于TAE，先了解自动编码器（VAE），我们首先要知道它的作用是什么：

• 自动编码器旨在学习输入数据的压缩表示或编码， 自动编码器的目标是将输入数据映射到低维潜在空间，然后从编码表示重建输入数据。
• 所谓TAE，其实就是加上时间序列。时间序列数据由时间点上的连续观测值组成，时间在其中起到一个关键作用
  • 时间作为特征的序列性
    • 时间序列数据中的观测值是按时间顺序排列的。例如，股票价格、传感器数据、气温记录等。这种序列性意味着数据的前后顺序非常重要，不能被打乱，因为时间步之间的依赖关系决定了数据的动态变化。
  • 时间间隔的重要性
    • 在时间自动编码器中，时间步之间的间隔可能是均匀的（例如每分钟、每小时、每天的采样数据），也可能是不均匀的（事件驱动型数据）。时间间隔可以影响模型的结构和训练方式。对于不均匀的时间间隔，需要在模型中显式地考虑时间差异，而均匀时间间隔的数据则不需要处理这种复杂性。
  • 时间作为隐含变量
    • 在一些时间自动编码器中，时间被看作是影响系统状态的隐含变量。通过对序列进行编码和解码，模型可以自动捕捉时间的影响，如周期性、趋势性和季节性特征。这种方法可以用于发现时间序列中的潜在模式和规律
  • 时间的因果性和时序依赖
    • 时间自动编码器在处理数据时，通常会考虑时间的因果性，即当前时间点的观测值只能受到之前时间点观测值的影响，而不会受到未来值的影响。这种因果性约束对于许多时间序列任务（如预测未来）非常重要。同时，时序依赖性可以通过递归神经网络（RNN）、长短期记忆（LSTM）、变分自编码器（VAE）等时间序列建模技术来捕捉。