GANによる時系列データのデータ拡張

カテゴリ: 部門大会

論文No: PS6-18

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Time series data augmentation by GAN

著者名: 熊野 正恭（東京電機大学）,川勝 真喜（東京電機大学）

著者名(英語): Masayasu Kumano (Tokyo Denki University),Masaki Kawakatsu (Tokyo Denki University)

キーワード: 敵対的生成ネットワーク|時系列データ|機械学習|データ拡張|Generative Adversarial Networks|Time series data|Machine Learning|Data augmentation

要約(日本語): 機械学習において、学習が進まない際の問題として過学習がある。過学習への対策として、学習に使うデータを大量に用意するというものがある。しかし、時系列データを集める事は大変な場合がある。そこで対策として、データ拡張がある。画像におけるデータ拡張についてはアフィン変換などの手法があり、盛んに行われている。一方で、時系列データの中でも、特に生体信号におけるデータ拡張では周波数特性が実データと類似しているだけでは不十分であり、またデータ拡張に関する研究も少ない。本研究では、GANを用いた時系列データのデータ拡張と、従来のノイズ加算などの処理とを比べ、過学習への効果を比較する。