A comparative study of variational autoencoders with different encoder decoder architectures for time series data genera

Nghiên cứu so sánh các kiến trúc Variational Autoencoder khác nhau để tạo dữ liệu chuỗi thời gian. Tìm hiểu ưu nhược điểm của từng kiến trúc.

Chuyên ngành

Business Data Analytics

Người đăng

Ẩn danh

Thể loại

Graduation project

2024

49
2
0

Phí lưu trữ

30 Point

Mục lục chi tiết

Acknowledgement

Abstract

1. Introduction

1.1. Time Series data in different domains

1.1.1. Healthcare

1.1.2. Energy

1.2. Importance of synthetic data

1.3. Ethical Consideration for Synthetic Data Generation

1.4. Types of synthetic data generators

1.5. Existing generative methods

1.6. Chosen VAE-based methods for comparison

1.7. Contribution of this Thesis

1.8. Outline

1.8.1. Chapter 2: Related Work and Background

1.8.2. Chapter 3: VAE-based Time Series Generation Methods

1.8.3. Chapter 4: Method for Comparison

1.8.4. Chapter 6: Future Works

2. Related Work and Background

2.1. Synthetic data generation

2.2. Artificial Neural Networks

2.2.1. Recurrent Neural Networks

2.2.2. Convolutional Neural Network

2.3. Short-Time Fourier Transform

2.4. Kullback-Leibler Divergence

2.5. Evidence Lower Bound (ELBO)

3. VAE-based Time Series Generation methods

3.1. Stage 1: Learning Vector Quantization

3.2. Stage 2: Prior Learning

3.3. Base TimeVAE Architecture

4. Method for Comparison

4.1. Final methods for comparison

4.2. Metrics for TSGBench comparison

4.3. TSG Benchmarking Results

4.4. TimeVAE’s Ablation Study

4.5. TimeVQVAE’s Ablation Study

6. Conclusions and Future Work

List of Figures

Tóm tắt

I. Tổng Quan Về Nghiên Cứu VAE cho Dữ Liệu Chuỗi Thời Gian

Sự bùng nổ của các Mô hình Ngôn ngữ Lớn (LLMs) đã thúc đẩy sự quan tâm đến việc thu thập dữ liệu. Tuy nhiên, vấn đề đặt ra là không phải tất cả dữ liệu đều có thể hoặc nên được thu thập, liên quan đến quyền riêng tư và bản quyền của người dùng Internet, chủ sở hữu bản quyền và hiến pháp trên toàn thế giới. Do đó, dữ liệu tổng hợp đang trở nên phổ biến như một giải pháp mạnh mẽ cho thách thức về quyền riêng tư và tính đa dạng của dữ liệu. Nghiên cứu này tập trung vào việc tạo dữ liệu chuỗi thời gian, một nhu cầu quan trọng trong nhiều ứng dụng, bao gồm tạo dữ liệubảo tồn quyền riêng tư. Nghiên cứu so sánh hiệu quả và độ chính xác của các phương pháp tạo dữ liệu chuỗi thời gian, đặc biệt là các phương pháp dựa trên Variational Autoencoder.

1.1. Ứng dụng VAE trong các lĩnh vực khác nhau

Dữ liệu chuỗi thời gian được sử dụng rộng rãi trong nhiều lĩnh vực và trở nên quan trọng trong việc dự đoán nhu cầu tiềm năng. Dữ liệu chuỗi thời gian có thể được sử dụng để dự đoán rủi ro bệnh tật và cung cấp hỗ trợ y tế. Dữ liệu chuỗi thời gian cũng được sử dụng bởi các chính phủ và công ty để đưa ra quyết định về năng lượng, khí hậu và tài chính. Tuy nhiên, do các vấn đề về chất lượng, số lượng và quyền riêng tư của việc sử dụng dữ liệu thực tế, người ta thường không sử dụng dữ liệu gốc khi khám phá các ứng dụng trong nhiều lĩnh vực khác nhau. Các ví dụ bao gồm: Y tế (dự đoán đường huyết), Năng lượng (Dự đoán và giám sát việc sử dụng điện). Vì vậy, VAE nổi lên như một giải pháp để tạo dữ liệu chuỗi thời gian mà không vi phạm quyền riêng tư.

1.2. Tại sao cần dữ liệu chuỗi thời gian tổng hợp

Mặc dù các tổ chức đầu tư rất nhiều tiền để thu thập dữ liệu chuỗi thời gian, nhưng dữ liệu chuỗi thời gian thực tế không phải lúc nào cũng đáp ứng được tất cả các đặc điểm cần thiết. Các vấn đề liên quan đến dữ liệu chuỗi thời gian trong nhiều lĩnh vực khác nhau bao gồm: vấn đề về số lượng (thiếu dữ liệu), vấn đề về chất lượng (không nhất quán), vấn đề về mất cân bằng (do bản chất của các hiện tượng thế giới thực), và vấn đề về quyền riêng tư (dữ liệu nhạy cảm). Vì vậy, dữ liệu tổng hợp giúp giải quyết bài toán này nhờ khả năng tăng cường dữ liệu, mô phỏng, và bảo vệ quyền riêng tư.

II. Thách Thức Đạo Đức Tạo Dữ Liệu Chuỗi Thời Gian VAE

Dữ liệu tổng hợp có thể giảm thiểu các lo ngại về quyền riêng tư khi thu thập dữ liệu của người dùng và tăng cường bảo vệ quyền riêng tư, nhưng vẫn còn những lo ngại về đạo đức và quyền riêng tư cần được đặt ra. Mặc dù tạo dữ liệu tổng hợp có thể là một công cụ tốt để bảo vệ quyền riêng tư, nhưng nó vẫn cần dữ liệu thực tế làm đầu vào. Dữ liệu đó có sẵn ở đâu và như thế nào cần được xem xét. Dữ liệu tổng hợp có thể được sử dụng như một công cụ phi đạo đức để tạo dữ liệu giả và sử dụng chúng khi yêu cầu dữ liệu và thống kê thực. Các nhà nghiên cứu và học viên cần ghi nhớ tầm quan trọng của đạo đức trong lĩnh vực này, để không có tác hại nào được gây ra với các công cụ này. Mục tiêu là tạo ra dữ liệu tổng hợp có chất lượng cao.

2.1. Các loại phương pháp tạo dữ liệu tổng hợp

Có hai nhóm phương pháp tạo dữ liệu tổng hợp chính: phương pháp dựa trên sửa đổi và phương pháp dựa trên tạo. Phương pháp dựa trên sửa đổi làm việc với các điểm dữ liệu hiện có, cố gắng sửa đổi các giá trị để sửa lỗi ngoại lệ và sử dụng các kỹ thuật để giảm rò rỉ quyền riêng tư. Các phương pháp dựa trên tạo cố gắng tổng hợp dữ liệu mới từ một số phân phối. Các phân phối này có thể được tạo thủ công hoặc học từ dữ liệu thực, dẫn đến một lượng dữ liệu tùy ý. Các phương pháp bảo vệ quyền riêng tư cũng có thể được thêm vào để cung cấp khả năng bảo vệ quyền riêng tư tốt hơn. Phương pháp thứ hai cung cấp các giải pháp để giải quyết các vấn đề về số lượng, chất lượng và quyền riêng tư thông qua việc sử dụng dữ liệu tổng hợp như một sự thay thế cho dữ liệu thực.

2.2. Các phương pháp tạo dữ liệu hiện có

Các tiến bộ lớn đã được thực hiện trong việc tổng hợp dữ liệu chuỗi thời gian từ các phân phối. Các phương pháp thống kê và học sâu được sử dụng để tìm hiểu các phân phối cơ bản của dữ liệu thực để tạo dữ liệu tổng hợp bằng cách lấy mẫu từ các phân phối đó. Các mô hình thống kê thường sử dụng một họ các phân phối được xác định trước để phù hợp với một tập dữ liệu chuỗi thời gian mới. Các mô hình thống kê có xu hướng tập trung nhiều hơn vào việc nắm bắt các phụ thuộc thời gian và các mẫu của dữ liệu. Các mô hình học sâu có thể học các phân phối xác suất phức tạp, đa chiều và tạo ra các mẫu chất lượng cao từ hình ảnh hoặc văn bản. Nhiều nỗ lực đã được thực hiện để kết hợp các mô hình tạo sâu với các kiến trúc khác nhau như Transformer, Fourier Transform và RNN hoặc CNN cổ điển.

III. Cách So Sánh Kiến Trúc Mạng VAE cho Chuỗi Thời Gian

Để so sánh các kiến trúc VAE, cần có một phương pháp đánh giá khách quan và toàn diện. Điều này bao gồm việc xác định các chỉ số đánh giá phù hợp, thiết lập một quy trình tiền xử lý dữ liệu tiêu chuẩn và thực hiện các thí nghiệm có kiểm soát. Các chỉ số đánh giá có thể bao gồm các thước đo về chất lượng dữ liệu được tạo (ví dụ: tính chân thực, tính đa dạng), hiệu suất mô hình (ví dụ: độ chính xác, tốc độ) và khả năng bảo tồn quyền riêng tư. So sánh các kiến trúc VAE là một quá trình phức tạp đòi hỏi sự hiểu biết sâu sắc về cả lý thuyết và thực hành.

3.1. Phương pháp tiếp cận so sánh hiệu quả

Việc so sánh hiệu quả các kiến trúc VAE đòi hỏi một phương pháp tiếp cận có hệ thống. Đầu tiên, cần xác định rõ các tiêu chí so sánh, chẳng hạn như chất lượng dữ liệu được tạo, hiệu suất tính toán và khả năng bảo tồn quyền riêng tư. Tiếp theo, cần chọn các bộ dữ liệu chuỗi thời gian đại diện cho các ứng dụng thực tế. Sau đó, huấn luyện và đánh giá các kiến trúc VAE khác nhau trên các bộ dữ liệu này, sử dụng các chỉ số đánh giá đã xác định. Cuối cùng, phân tích kết quả và rút ra kết luận về điểm mạnh và điểm yếu của từng kiến trúc.

3.2. Các chỉ số đánh giá cần thiết

Các chỉ số đánh giá là yếu tố then chốt trong việc so sánh các kiến trúc VAE. Một số chỉ số quan trọng bao gồm: Fréchet Inception Distance (FID) - đánh giá sự giống nhau giữa dữ liệu được tạo và dữ liệu thực, Contextual Fréchet Inception Distance (C-FID), Euclidean Distance (ED) - đo khoảng cách giữa các chuỗi thời gian, Dynamic Time Warping (DTW) - đo sự tương đồng giữa các chuỗi thời gian có độ dài khác nhau. Ngoài ra, cần xem xét các chỉ số về hiệu suất tính toán, chẳng hạn như thời gian huấn luyện và thời gian tạo dữ liệu.

IV. Top 3 Kiến Trúc VAE Ưu Việt cho Tạo Chuỗi Thời Gian

Nghiên cứu này tập trung vào hai mô hình dựa trên VAE: TimeVAEVQTimeVAE. Hai phương pháp tạo chuỗi thời gian dựa trên VAE này đại diện cho những tiến bộ gần đây nhất trong tạo chuỗi thời gian dựa trên VAE. Chúng kết hợp các kỹ thuật tiên tiến giải quyết các thách thức cụ thể trong tạo chuỗi thời gian, khiến chúng trở thành những ứng cử viên lý tưởng để phân tích so sánh.

4.1. TimeVAE Phân tích chi tiết kiến trúc và ưu điểm

TimeVAE là một kiến trúc VAE được thiết kế đặc biệt để xử lý dữ liệu chuỗi thời gian. Nó kết hợp các khối Trend và Seasonality để nắm bắt các mẫu thời gian quan trọng. Ưu điểm của TimeVAE bao gồm khả năng tạo dữ liệu chuỗi thời gian có tính thời vụ và xu hướng rõ rệt, cũng như khả năng giải thích các thành phần thời gian của dữ liệu.

4.2. VQTimeVAE Giải pháp VAE lượng tử hóa cho chuỗi thời gian

VQTimeVAE là một biến thể của VAE sử dụng lượng tử hóa vector (Vector Quantization) để cải thiện chất lượng dữ liệu được tạo. Nó sử dụng mã hóa rời rạc để biểu diễn không gian tiềm ẩn, giúp giảm thiểu sự mờ nhạt và cải thiện tính đa dạng của dữ liệu được tạo. Ưu điểm của VQTimeVAE bao gồm khả năng tạo dữ liệu chuỗi thời gian có độ phân giải cao và khả năng kiểm soát các thuộc tính của dữ liệu được tạo.

4.3. So sánh TimeVAE và VQTimeVAE

Cả TimeVAEVQTimeVAE đều có những ưu điểm riêng. TimeVAE phù hợp với các ứng dụng yêu cầu giải thích các thành phần thời gian của dữ liệu, trong khi VQTimeVAE phù hợp với các ứng dụng yêu cầu dữ liệu có độ phân giải cao và khả năng kiểm soát. Việc lựa chọn kiến trúc VAE phù hợp phụ thuộc vào yêu cầu cụ thể của từng ứng dụng. Nghiên cứu sâu hơn sẽ đi vào so sánh cụ thể giữa 2 phương pháp tạo chuỗi thời gian này.

V. Kết Quả Nghiên Cứu Đánh Giá Hiệu Suất Tạo Dữ Liệu VAE

Luận văn này so sánh khả năng tạo của ba kiến trúc dựa trên VAE trên nhiều loại dữ liệu chuỗi thời gian khác nhau. Dự án này sử dụng một khuôn khổ đã được thiết lập bao gồm một quy trình tiền xử lý tiêu chuẩn và các đánh giá có hệ thống. Dữ liệu chuỗi thời gian trong các miền khác nhau. Ý nghĩa của dữ liệu tổng hợp. Cân nhắc đạo đức đối với việc tạo dữ liệu tổng hợp. Các loại máy tạo dữ liệu tổng hợp. Các phương pháp tạo hiện có. Các phương pháp dựa trên VAE đã chọn để so sánh. Đóng góp của Luận văn này.

5.1. Phân tích kết quả TSG Benchmarking

Kết quả TSG Benchmarking cho thấy hiệu suất khác nhau của các kiến trúc VAE trên các bộ dữ liệu chuỗi thời gian khác nhau. Một số kiến trúc có thể hoạt động tốt hơn trên dữ liệu có tính thời vụ cao, trong khi các kiến trúc khác có thể hoạt động tốt hơn trên dữ liệu có xu hướng phức tạp. Quan trọng là phải lựa chọn kiến trúc VAE phù hợp với đặc điểm của dữ liệu chuỗi thời gian cụ thể.

5.2. Nghiên cứu Ablation của TimeVAE và TimeVQVAE

Nghiên cứu Ablation của TimeVAETimeVQVAE cho thấy tầm quan trọng của các thành phần khác nhau trong kiến trúc. Việc loại bỏ các khối Trend hoặc Seasonality trong TimeVAE có thể làm giảm đáng kể khả năng tạo dữ liệu chuỗi thời gian có tính thời vụ và xu hướng rõ rệt. Tương tự, việc loại bỏ lượng tử hóa vector trong TimeVQVAE có thể làm giảm chất lượng dữ liệu được tạo.

VI. Kết Luận Hướng Phát Triển VAE trong Tương Lai

Nghiên cứu này cung cấp một phân tích chuyên sâu và so sánh giữa hai phương pháp tạo chuỗi thời gian tiên tiến dựa trên Variational Autoencoder, bao gồm các nghiên cứu về kiến trúc, thành phần và các thách thức kỹ thuật của từng phương pháp. Luận văn này có thể được sử dụng như một hướng dẫn về lựa chọn mô hình cho các tác vụ tạo chuỗi thời gian và có thể đóng vai trò là cơ sở cho các nghiên cứu so sánh tiếp theo với các phương pháp trong tương lai.

6.1. Tổng kết các phát hiện chính của nghiên cứu

Nghiên cứu này đã xác định các kiến trúc VAE khác nhau phù hợp với các loại dữ liệu chuỗi thời gian khác nhau. TimeVAE phù hợp với dữ liệu có tính thời vụ và xu hướng rõ rệt, trong khi VQTimeVAE phù hợp với dữ liệu có độ phân giải cao. Việc lựa chọn kiến trúc VAE phù hợp phụ thuộc vào yêu cầu cụ thể của từng ứng dụng.

6.2. Các hướng nghiên cứu tiềm năng trong tương lai

Các hướng nghiên cứu tiềm năng trong tương lai bao gồm việc phát triển các kiến trúc VAE mới có khả năng xử lý dữ liệu chuỗi thời gian phức tạp hơn, cũng như việc khám phá các phương pháp đánh giá hiệu suất VAE mới và các ứng dụng mới của VAE trong các lĩnh vực khác nhau. Nghiên cứu về VAE cho chuỗi thời gian vẫn còn nhiều tiềm năng phát triển.

13/05/2025

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY, HANOI INTERNATIONAL SCHOOL GRADUATION PROJECT A Comparative Study of Variational Autoencoders with Different Encoder-Decoder Architectures for Time-Series Data Generation Tran Ngoc Thanh Binh Hanoi - 2024 VIETNAM NATIONAL UNIVERSITY, HANOI INTERNATIONAL SCHOOL GRADUATION PROJECT A Comparative Study of Variational Autoencoders with Different Encoder-Decoder Architectures for Time-Series Data Generation SUPERVISOR: Dr. Nguyen Quang Thuan STUDENT: Tran Ngoc Thanh Binh STUDENT ID: 20070902 COHORT: QH-2020-Q SUBJECT CODE: INS401101 MAJOR: Business Data Analytics Hanoi - 2024 A Comparative Study of Variational Autoencoders with Different Encoder-Decoder Architectures for Time-Series Data Generation Tran Ngoc Thanh Binh 3 Acknowledgement First, I want to send my sincere gratitude to my advisor, Dr. Nguyen Quang Thuan for the continuous support and guidance of my thesis, for his unwavering belief in me and this thesis, and for his immense knowledge. I want to thank all the members of the International School’s Club of Science and Technology’s Data Science team, for allowing me to work with them for the last three years, your enthusiasm and guidance are there to be remembered.

Finally, I would like to thank my family and friends who have always supported my journey in college. 4 Abstract The explosive growth of Large Language Models (LLMs) in the past year has raised significant interest in acquiring as much data as possible. The main problem is not all of the data can be acquired or should be acquired, this problem concerns the privacy, and copyrights of Internet users, copyright holders, and constitutions around the world. Hence, synthetic data has been gaining traction as a powerful solution to the challenge of privacy and diversity of data.

This project focuses on a subset, which is Time Series data generation, the need for Time Series Synthetic Data is highly concerned in various applications, including data generation, and privacy preservation. This comparative study concerns the efficacy and accuracy of Time Series data generation methods, particularly those based on Variational Autoencoder. Autoencoders are artificial neural network architectures that are intended for the compression and reconstruction of data. Variational Autoencoder (VAE), in particular, achieves so by introducing a probabilistic view of encoding and using stochastic variational inference.

VAE has been widely used for data reconstruction or generation. This thesis aims to test different variational autoencoders generating Time Series data. This thesis investigates two novel implementations of VAE, to find out the strengths and weaknesses of each architecture on different types of Time Series data. I compare the generative capability of three VAE-based architectures on various types of Time Series data.

This project uses an established framework that includes a standardized prepro- cessing pipeline and systematic evaluations.1 Time Series data in different domains .2 Importance of synthetic data .3 Ethical Consideration for Synthetic Data Generation .4 Types of synthetic data generators .5 Existing generative methods .6 Chosen VAE-based methods for comparison .7 Contribution of this Thesis. 13 2 Related Work and Background 14 2.2 Synthetic data generation .3 Artificial Neural Networks .1 Recurrent Neural Networks .2 Convolutional Neural Network .1 Short-Time Fourier Transform .2 Kullback-Leibler Divergence .3 Evidence Lower Bound (ELBO). 26 3 VAE-based Time Series Generation methods 26 3.1 Stage 1: Learning Vector Quantization .2 Stage 2: Prior Learning .1 Base TimeVAE Architecture. 30 4 Method for Comparison 31 4.2 Final methods for comparison .1 Metrics for TSGBench comparison .1 TSG Benchmarking Results .1 TimeVAE’s Ablation Study .2 TimeVQVAE’s Ablation Study.

43 6 6 Conclusions and Future Work 44 7 List of Figures 2.1 Structure of a feed-forward neural network .2 An RNN with hidden state.3 Two-dimensional cross-correlation operation. The output is calculated as 0 × 0 + 1 × 1 + 3 × 2 + 4 × 3 = 19 .4 Given a handwritten digit image, LeNet performs a series of computations to classify it into one of 10 categories, yielding a probability for each category as its output.5 The attention mechanism calculates a weighted combination of values v via at- tention pooling, these weights are determined by how well each query q matches or aligns with the corresponding keys ki .6 Multi-head attention.7 The Transformer architecture.8 Structure of an Autoencoder, extracted from [Wikipedia contributors, 2024] .9 Graphical model representation of VAE. Given N observed data points {xi }, each data point is locally generated by a latent random variable zi. θ is a global parameter, and is obtained through training .1 Overview of Stage 1 - Learning Vector Quantization .2 Stage 2 - Prior Model Training.

Dark green blocks represent the masked tokens.3 Iterative decoding process with two passes. TF-LF and TF-HF denote the LF and HF bi-directional transformers respectively.4 Components of base TimeVAE .5 Interpretable TimeVAE components, extracted from [Desai et al.6 Trend and Seasonality Blocks, extracted from [Desai et al.1 TSG Benchmarking result.2 TSG Bench Visualization by t-SNE and Distribution plot, blue as T org and orange as T gen .3 Dense VAE vs Time VAE on Original vs Reconstructed Train for Air dataset.4 Dense VAE vs Time VAE on Original vs Reconstructed Train for Energy dataset.5 Dense VAE vs Time VAE on Original vs Reconstructed Train for Sine dataset.6 Dense VAE vs Time VAE on Original vs Reconstructed Train for Stockv dataset.7 Dense VAE vs Time VAE t-SNE plots Train for Air dataset.8 Dense VAE vs Time VAE t-SNE plots Train for Energy dataset.9 Dense VAE vs Time VAE t-SNE plots Train for Sine dataset.10 Dense VAE vs Time VAE t-SNE plots Train for Stockv dataset.11 Convolutional VAE vs Time VAE on Original vs Reconstructed Train for Air dataset.12 Convolutional VAE vs Time VAE on Original vs Reconstructed Train for Energy dataset.13 Dense VAE vs Time VAE on Original vs Reconstructed Train for Sine dataset.14 Dense VAE vs Time VAE on Original vs Reconstructed Train for Stockv dataset.15 Dense VAE vs Time VAE t-SNE plots Train for Air dataset.16 Convolutional VAE vs Time VAE t-SNE plots Train for Energy dataset.17 Convolutional VAE vs Time VAE t-SNE plots Train for Sine dataset.18 Convolutional VAE vs Time VAE t-SNE plots Train for Stockv dataset.19 FID and IS score for VQ-VAE and TimeVQVAE .20 VQ-VAE vs TimeVQVAE on reconstructing examples and generated samples.1 Turnitin Similarity Score of this Thesis. Time Series Generation ANN. Artificial Neural Network VAE.

Variational Autoencoder CNN. Convolutional Neural Network LLM. Large Language Model STFT. Short-Time Fourier Transform ISTFT.

Inverse Short-Time Fourier Transform KL. Kullback-Leibler ELBO. Evidence Lower Bound VQ. Vector Quantization LF.

Low-Frequency HF. High-Frequency Conv. Fréchet Inception Distance C-FID. Contextual Fréchet Inception Distance ED.

Euclidean Distance DTW. Dynamic Time Warping 9 1 Introduction In the past decades, with the boom of the internet, coupled with humanity’s endless effort in advancing science and technology, we have seen a rapid growth of Machine Learning and Deep Learning methods to solve problems that we have not been able to solve before. Fields including Computer Vision (CV), natural language processing (NLP),. Problems involving time series have also been increasingly attempted and tacked using deep learning, including problems in classification [Ismail Fawaz et al., 2019], forecasting [Han et al., 2019], and anomaly detection.

The success of applying deep learning to those problems requires having a large amount of data. Unfortunately, time series tasks typically do not have enough data for such models. As we try to resolve this problem, data generation has become an effective tool to increase the size and quality of data. The main idea of applying data generation is to try to synthesize data points that are realistic.

The recent boom of Large Language Models, further signifies the need for time series data as we are trying to improve LLMs’ time series analysis capabilities [Zhang et al. There are many methods for time series generation, including basic methods based on Time Domain and Frequency Domain to more advanced methods like Statistical Generative Models. However, Deep Generative Models remain less investigated for time series data generation. In this Thesis, we explore the usage and results of two such models, both based on Variational Autoencoders [Kingma and Welling, 2013].1 Time Series data in different domains Time series data is widely used in different fields and has become crucial in predicting and forecasting potential needs.

Time series data can be utilized in predicting the risk of disease and providing people with medical help. Time series can also be used by governments and companies to make decisions on energy, climate, and finance. The growth is exponential, as the amount of massive data encourages people to explore various applications. However, due to problems in quality, quantity, and privacy of using real data, people usually do not use the original data when exploring applications in various domains.

I give examples within several representative domains to show how these problems with real data drive the necessity for generated data.1 Healthcare Time series data is used in healthcare to make more accurate diagnoses. • Time series data is used to effectively predict the blood glucose level of patients, which is critical for diabetes subjects [Bhimireddy et al. • Wearable devices also collect large amounts of data and can provide suggestions to improve people’s health. For example, [Sathyanarayana et al., 2016] uses wearable devices for sleep condition tracking.

Data collected by wearable devices can include location, sound, and images, all of which are very sensitive and should only be stored on-device. Algorithms and methods [Bonawitz et al., 2017] [Jayaraman et al., 2018] have been developed to train machine learning models on these kinds of data without sending them to a centralized server. Healthcare machine learning systems analyze highly sensitive data and impact critical decisions. Ensuring data quantity, quality, balance, and privacy is crucial.2 Energy Time series data is also relevant in the energy sector, having been used to predict and monitor the power usage of each home appliance or the whole grid.

• [D’Incecco et al., 2019] used the UK-DALE dataset [Kelly and Knottenbelt, 2015], which includes records for each appliance from five houses, one of which was recorded for 655 days to perform Non-Intrusive Load Monitoring through Transfer Learning schemes. • Time series data in this field can also be used to forecast the load of an entire district’s heating system. [Gong et al., 2022] uses data from a District Heating System in Tianjin, China to perform the task. Data in energy systems is hard to record.

Especially household appliances’ energy consumption data due to privacy concerns, cost, and the quality of data.2 Importance of synthetic data Despite the huge amount of money invested every year by institutions to collect time series data, real time-series data can not always satisfy all the needed characteristics. Overall, there are time-series data-related issues in various domains: • Quantity issue: In certain areas, the amount of data we can get is insufficient. Especially if the acquisition of such data requires people with specialized skills, for example in the healthcare domain, the amount of data we can get and the cost to get it will be a problem. If we can utilize synthetic data to supplement and enhance the existing actual data, then more applications can be built without requiring more real data than we currently possess.

• Quality issue: Quality issues with data are common. During the acquisition process, there are various factors that can cause inconsistency in the quality of data. For instance, a questionnaire can have missing values and outliers simply because people incorrectly filled the questionnaires. • Imbalance issue: Data imbalance in time series data is normal.

This is due to the nature of real-world phenomena, where certain events or patterns naturally occur less frequently than others. Imbalance poses challenging problems when developing models. This problem can be mitigated by using synthetic data to supplement the niche parts of the dataset. • Privacy issue: Privacy is always a problem when it comes to data acquisition.

Data that contain sensitive information is usually strictly protected and researchers often can not get access to those data.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ