時系列データは、日時間隔で収集および順序付けされた一連のイベント、観測、または測定によって特徴付けられるデータタイプで、通常は時間の経過に伴う変数の変化を表し、Syntho によってサポートされています。
時系列データは、現実世界の逐次観測に固有の時間的依存性とパターンを捉える必要があるため、合成がより困難になります。各観測値が他の観測値と無関係である独立した同一分布のデータとは異なり、時系列データはタイム ステップ全体にわたる依存関係を示します。多くの組織やほとんどのオープンソース ソリューションは、時系列を適切に合成できなかったり、時系列データをまったくサポートしていません。
当社の Syntho エンジンは、最も複雑な時系列データを正確に合成するように最適化されています。私たちは、最も複雑な時系列データを扱う主要組織と協力してモデルを最適化しました。
Syntho は、Cedars Sinai Medical Center などの主要組織と協力しました。これらの組織は、最も複雑な時系列データを扱います。これにより、Syntho は最も複雑な時系列を正確に合成できる最適なシーケンス モデルを構築できます。
Syntho エンジンを使用すると、時系列を含むデータを正確に合成できます。私たちのアプローチは、エンティティ テーブルと、縦断的な情報を含む関連テーブルの間の相関関係と統計パターンを適切に捕捉します。これには、次のような時系列などの複雑な時系列構造も含まれます。