講演抄録/キーワード |
講演名 |
2008-11-06 10:50
複数の生成規則が混在する時系列の構造抽出 ○小谷潤一郎・森 康久仁・松葉育雄(千葉大) NLP2008-59 |
抄録 |
(和) |
時系列解析の主な目的は,サンプルデータ列を元に,データ列の背後にある構造を推定することである.
そのような推定においては,一般的に単一の規則によって時系列の構造を説明することが多い.
しかし,現実には複数の規則が入れ替わりながらデータ列が生成されたり, 先行するデータ列が同一の場合であっても, 後続するデータ列が異なるものになるといった状況もありうる.
本稿では,単一の規則によって時系列が生成されるのではなく,複数の規則が確率的に入れ替わりながらデータ列が生成されるという状況を考える.
そして,そのような状況で発生したデータから,元の複数の生成規則を推定する.
生成規則の推定には多層パーセプトロンを用い,多層パーセプトロンによる時系列予測誤差に基づいて,各データの生成規則が異なるものであることを判別する.
そして,生成規則の異なるデータを別々のグループとして分離し,各グループに対して多層パーセプトロンによる学習を行うことで,それぞれのグループの生成規則を推定する.
その結果,二つの生成規則を混在させて生成した時系列データから,元の二つ規則を分離して抽出することに成功した. |
(英) |
In time series analysis a structure of time series is often described by one rule.
However, sometimes time series may be generated by multiple rules and different series can follow after identical series.
In the present paper we address time series generated by two rules which stochastically switch at each time and estimate the original rules by using only the generated series.
The estimation is performed by multilayer perceptron to find the difference between the two rules based on prediction error of the network.
Then the data points in the series are divided into two groups for each rule and estimation of the each group is performed.
As a result, we succeeded in extracting the original rules from the series generated by the mixture of the two rules. |
キーワード |
(和) |
時系列解析 / 時系列予測 / ニューラルネットワーク / 多層パーセプトロン / / / / |
(英) |
time series analysis / time series prediction / neural network / multilayer perceptron / / / / |
文献情報 |
信学技報, vol. 108, no. 276, NLP2008-59, pp. 11-16, 2008年11月. |
資料番号 |
NLP2008-59 |
発行日 |
2008-10-30 (NLP) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NLP2008-59 |
研究会情報 |
研究会 |
NLP |
開催期間 |
2008-11-06 - 2008-11-06 |
開催地(和) |
名古屋大学 |
開催地(英) |
|
テーマ(和) |
非線形制御、一般、計測自動制御学会「多様な非線形ダイナミクスを生かした次世代制 御調査研究会」との共催 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
NLP |
会議コード |
2008-11-NLP |
本文の言語 |
日本語 |
タイトル(和) |
複数の生成規則が混在する時系列の構造抽出 |
サブタイトル(和) |
|
タイトル(英) |
Structure Extraction of Time Series Generated by Multiple Rules |
サブタイトル(英) |
|
キーワード(1)(和/英) |
時系列解析 / time series analysis |
キーワード(2)(和/英) |
時系列予測 / time series prediction |
キーワード(3)(和/英) |
ニューラルネットワーク / neural network |
キーワード(4)(和/英) |
多層パーセプトロン / multilayer perceptron |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
小谷 潤一郎 / Junichiro Kotani / コタニ ジュンイチロウ |
第1著者 所属(和/英) |
千葉大学 (略称: 千葉大)
Chiba University (略称: Chiba Univ.) |
第2著者 氏名(和/英/ヨミ) |
森 康久仁 / Yasukuni Mori / モリ ヤスクニ |
第2著者 所属(和/英) |
千葉大学 (略称: 千葉大)
Chiba University (略称: Chiba Univ.) |
第3著者 氏名(和/英/ヨミ) |
松葉 育雄 / Ikuo Matsuba / マツバ イクオ |
第3著者 所属(和/英) |
千葉大学 (略称: 千葉大)
Chiba University (略称: Chiba Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2008-11-06 10:50:00 |
発表時間 |
25分 |
申込先研究会 |
NLP |
資料番号 |
NLP2008-59 |
巻番号(vol) |
vol.108 |
号番号(no) |
no.276 |
ページ範囲 |
pp.11-16 |
ページ数 |
6 |
発行日 |
2008-10-30 (NLP) |