LSTMを用いた多次元時系列データからの事象予測

カテゴリ: 研究会(論文単位)

論文No: ST18110

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2018/09/27

タイトル(英語): Event prediction by multidimensional time series data with LSTM

著者名: 島田 直哉(横浜国立大学),濱上 知樹(横浜国立大学)

著者名(英語): Naoya Shimada(Yokohama National University),Tomoki Hamagami(Yokohama National University)

キーワード: 事象予測|ＬＳＴＭ|アンサンブル学習|データ不均衡|多次元|時系列|Event prediction|LSTM|Ensemble learning |Class imbalance|multi-variate|Time series

要約(日本語): 事象予測問題では従来自己回帰ベースの手法が多く用いられる．しかし，これらの手法は事象と強い相関をもつデータが必要不可欠であり，データの取得が困難な場合も多い．本研究では，LSTMとアンサンブル学習を組み合わせた手法を提案する．LSTMは時系列モデリングに有効だが，限られたデータ数では標本空間が広大な場合に過学習が懸念されるため，アンサンブル学習を用いる事で対処する．実験では提案手法の有効性を示す．

要約(英語): In this research, we propose a method combining LSTM and ensemble learning. LSTM is effective for time series modeling, but it is dealt with by using ensemble learning because there is concern about overfitting when the sample space is expansive with a limited number of data. Experiment shows the effectiveness of the proposed method.

原稿種別: 日本語

PDFファイルサイズ: 1,524 Kバイト