DDTime: Datensatz‑Distillation für Zeitreihen mit Spektral‑Alignment
Die Vorhersage von Zeitreihen ist in vielen Bereichen unverzichtbar, erfordert jedoch häufig große Datensätze und intensive Rechenleistung. DDTime bietet eine kompakte Alternative, indem es synthetische Datensätze erzeugt, die das Lernverhalten kompletter Datensätze reproduzieren. Dabei adressiert die Methode zwei zentrale Probleme: Erstens die Verzerrung durch starke Autokorrelation, die die Ausrichtung von Wert‑Termen zwischen Lehrer‑ und Schülermodellen stört. Zweitens die mangelnde Vielfalt der synthetischen Samples, weil keine expliziten kategorialen Priors vorhanden sind, die die Trajektorienvielfalt regulieren.
