FAR-TS: Schnelle Zeitreihen-Generierung mit LLaMA-Style Autoregression

Ein neues generatives Modell namens FAR-TS verspricht, die Art und Weise, wie multivariate Zeitreihen erzeugt werden, grundlegend zu verändern. Durch die Kombination einer entangled Factorisierung mit einem autoregressiven Transformer, der auf einem diskreten, quantisierten latenten Raum arbeitet, kann FAR-TS Zeitreihen in deutlich kürzerer Zeit erzeugen als bisherige Diffusionsmodelle.

Das Verfahren zerlegt jede Zeitreihe in ein datenadaptives Basis-Set, das statische Querschnitts-Korrelationen erfasst, und in zeitliche Koeffizienten, die in diskrete Tokens quantisiert werden. Ein LLaMA‑Style Transformer modelliert anschließend diese Token‑Sequenzen, wodurch die Generierung von beliebig langen Sequenzen möglich und kontrollierbar wird.

Dank seines schlanken Designs erreicht FAR-TS eine um Größenordnungen schnellere Erzeugung als Diffusion-TS, während gleichzeitig die Querschnitts-Korrelationen erhalten bleiben und ein interpretierbarer latenter Raum entsteht. Das Ergebnis ist eine hochqualitative und flexible Synthese von Zeitreihen, die sich ideal für Datenaugmentation, Simulation und Datenschutzanwendungen eignet.