Tidsseriedata er en datatype karakteriseret ved en sekvens af hændelser, observationer eller målinger indsamlet og ordnet med dato-tidsintervaller, typisk repræsenterende ændringer i en variabel over tid, og understøttes af Syntho.
Tidsseriedata er mere udfordrende at syntetisere, fordi de skal fange de tidsmæssige afhængigheder og mønstre, der er iboende i sekventielle observationer i den virkelige verden. I modsætning til uafhængige og identisk distribuerede data, hvor hver observation ikke er relateret til de andre, udviser tidsseriedata afhængigheder på tværs af tidstrin. Mange organisationer og de fleste open source-løsninger kan ikke syntetisere tidsserier godt eller understøtter slet ikke tidsseriedata.
Vores Syntho Engine er optimeret til at syntetisere de mest komplekse tidsseriedata nøjagtigt. Vi har optimeret vores modeller i samarbejde med førende organisationer, der arbejder med de mest komplekse tidsseriedata.
Syntho samarbejdede med førende organisationer, såsom Cedars Sinai Medical Center. Disse organisationer arbejder med de mest komplekse tidsseriedata. Dette gør det muligt for Syntho at bygge den bedste sekvensmodel og være i stand til at syntetisere de mest komplekse tidsserier nøjagtigt.
Med vores Syntho Engine kan du nøjagtigt syntetisere data, der indeholder tidsserier. Vores tilgang fanger dygtigt korrelationer og statistiske mønstre mellem enhedstabellen og den tilhørende tabel, der indeholder longitudinelle oplysninger. Dette inkluderede selv komplekse tidsseriestrukturer, såsom tidsserier med: