時系列の局所的および大域的表現のデカップリング【JST・京大機械翻訳】

Tonekaboni Sana; Li Chun-Liang; Arik Sercan; Goldenberg Anna; Pfister Tomas

プレプリント

J-GLOBAL ID：202202200622363422 整理番号：22P0284874

時系列の局所的および大域的表現のデカップリング【JST・京大機械翻訳】

Decoupling Local and Global Representations of Time Series

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年02月04日プレプリントサーバーでの情報更新日： 2022年02月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

実世界時系列データは,いくつかの変動源からしばしば発生する。この変動に寄与する要因を捉える学習表現は,その根底にある生成過程によるデータのより良い理解を可能にし,下流機械学習タスクに関する性能を改善する。本論文では,時系列における変動の大域的および局所因子に対する表現を学習するための新しい生成アプローチを提案した。各サンプルの局所表現は,確率的過程による時間にわたって非定常性であり,サンプルの大域的表現は時間独立特性をコード化する。表現間のデカップリングを奨励するために,2つの変数間の相互情報を最小化する対抗的正則化を導入した。実験では,シミュレーションデータに対する真の局所および大域的変動因子の回復の成功を示し,提案手法を用いて学習された表現が実世界データセット上で下流タスクに対して優れた性能をもたらすことを示した。表現を定義する提案の方法は,データモデリングにとって有益であり,実世界データの複雑性へのより良い洞察をもたらすと信じる。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能

, ,

前のページに戻る