時系列クラスタリングを用いた転移学習のためのデータセット選択の検証

カテゴリ: 研究会(論文単位)

論文No: IS23039

グループ名: 【C】電子・情報・システム部門 情報システム研究会

発行日: 2023/12/11

タイトル(英語): Validation of dataset selection for transition learning using time series clustering

著者名: 土橋 秀昭(明治大学),浦野 昌一(明治大学)

著者名(英語): Hideaki Dobashi(Meiji University),Shoichi Urano(Meiji University)

キーワード: 転移学習|時系列データ予測|時系列クラスタリング|気温予測|Transfer Learning|Time series data prediction|Time series clustering|Temperature prediction

要約(日本語): 転移学習において、ソースデータは重要であり、不適切なデータセットによって負の転移が起こる可能性がある。そのため、事前にデータセットを適切に選定する必要がある。本稿では、時系列クラスタリングを用いてソースデータセットのクラスタリングを行い、分類をする。その後、ターゲットデータと各クラスタリングの重心から算出される類似度を用いて、モデル作成検討を行う。

要約(英語): In transfer learning, source data is important, and an inappropriate data set can cause negative transfer. Therefore, it is necessary to properly select the dataset in advance. In this paper, time series clustering is used to cluster and classify the source data sets. After that, models are conducted using the similarity calculated from the target data and each clustering data.

本誌: 2023年12月14日-2023年12月15日情報システム研究会

本誌掲載ページ: 17-22 p

原稿種別: 日本語

PDFファイルサイズ: 1,120 Kバイト