#time-series data

天文学里判断类星体光变是不是周期信号，以前都靠 DRW 模型当参照，但这篇把生成模型直接拿来学噪声分布，AR(2) 场景下比拟合参数模型更准。做时序异常检测或生成式建模的人可以看看思路。

NASA DASHlink 数据上跑的飞机着陆异常检测，LSTM 自编码器加 XGBoost，召回率超过 0.9，做时序稀有事件检测的可以看看。

arXiv 上这篇论文提出 TRACE，不用存旧样本就能记住旧类别，内存比 TS-ACL 少约 98%，做时序持续学习的朋友可以看看。

不用跑完整扩散过程，第一次预测噪声就能判断异常，速度快还更准，时序异常检测可以看看这个方法。