标签
本文提出了一种用于能源时间序列插补的差分私有扩散模型的裁剪感知目标条件方法，采用 v 预测与时间步感知损失加权策略，以减少裁剪前的梯度放大现象，并在五个真实能源数据集上相比 epsilon 预测基线提升了插补效用。
GAUDI 提出了一种条件扩散模型，利用缺失几何来填充空气质量时间序列数据中的连续缺失块，性能优于现有方法。
本文介绍了CAIR，一个在现实缺失条件下用于生理时间序列数据插补的两阶段框架，通过纳入间隔机制和课程感知训练，超越了现有方法。