作者： Ivan Bongiorni ，数据科学家。
卷积递归Seq2seq GAN用于时间序列数据中缺失值的插补
描述
该项目的目标是为时间序列数据的插补实现递归卷积Seq2seq神经网络的多种配置。 提供了三种实现：
循环卷积seq2seq模型。
基于上述相同体系结构的GAN （生成对抗网络），其中训练了Imputer来欺骗试图区分真实和假（推算）时间序列的对抗网络。
一种部分对抗的模型，其中先前模型的两种损失结构都组合在一个模型中：Imputer模型必须减少真实的错误损失，同时尝试欺骗鉴别器。
模型在TensorFlow 2中实现，并在数据集中进行了训练。
档案文件
config.yaml ：用于数据预处理，培训和测试的配置参数。
管道：
main_processing.py ：启动数据预处理管道。 其结果是将准备好训练的数据集以.npy（ numpy ）格式保存在/da
