Análisis y predicción de series temporales multivariadas usando autoencoders variacionales
Este trabajo fin de grado propone el desarrollo de una arquitectura Deep Learnung para la generación de datos de series temporales mediante el uso de Autoencoders Variacionales (VAEs), distinguiéndose por su interpretabilidad, la capacidad de codificar conocimientos específicos del dominio y la reducción de los tiempos de entrenamiento. El objetivo es evaluar la calidad de los datos generados en términos de similitud y previsibilidad,
