多次元時系列に対する深層表現学習における比較実験

カテゴリ: 研究会(論文単位)

論文No: IS20045

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: 2020/10/12

タイトル(英語): Comparative Experiments in Deep Representation Learning for Multivariate Time Series

著者名: 川島 寛隆(東海大学 大学院),今村 誠(東海大学)

著者名(英語): Hirotaka Kawashima(Tokai University Graduate school ),Makoto Imamura(Tokai University)

キーワード: 多変量時系列|ニューラルネットワーク|表現学習|Multivariate Time Series|Neural Network|Representation Learning

要約(日本語): 多次元時系列は人間行動分析や機器設備保全などで重要だが，「時間と複数センサーという複雑さをもつ」，また，「ラベル付けが難しい」という課題があり，教師なしのデータ特徴自動抽出が望まれる．本資料では，多次元時系列への教師なし表現学習を可能にした最新の先行研究を参考にして，教師あり/なしの表現学習との差異，注意機構のあり/なしの差異，従来のオートエンコーダによる次元削減との差異を比較実験・考察する．

要約(英語): Multivariate time series are important in human activity recognition and equipment maintenance. However, it has two problems: complexity of time and multiple sensors, and difficulty in labeling. Therefore, unsupervised feature extraction is desired. In this paper, we discuss the differences between supervised and unsupervised representation learning, with and without attention mechanisms, and with conventional autoencoder-based dimensionality reduction, referring to the latest research that enabled unsupervised representation learning for multivariate time series.

原稿種別: 日本語

PDFファイルサイズ: 1,827 Kバイト