お知らせ 研究会の開催と会場に参加される皆様へのお願い(2021年10月開催~)
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2016-07-06 10:00
教師あり学習に基づく2変量時系列の因果推論
近原鷹一藤野昭典NTTIBISML2016-2
抄録 (和) 時系列の因果推論では,時間変化する複数の変量間に潜在する原因と結果の関係(因果関係)を明らかにする.本稿では,2変量時系列に対する因果推論の問題として,因果関係の方向($X rightarrow Y$もしくは$X leftarrow Y$)を推定する問題と,潜在交絡($X leftarrow C rightarrow Y$)を検出する問題の,2つの問題を考える.本研究では,既存の因果推論手法Random Causation Coefficient (RCC)を時系列に対して拡張することで,因果関係が既知の時系列データに基づいて因果関係が未知の2変量時系列データにおける変量間の因果関係を推定する,教師あり学習の枠組みを提案する.既存のモデルに依拠したアプローチでは因果関係を定義するモデルを事前に設定することが必要だが,この教師あり学習の枠組みにより,データから直接的に因果関係の定義を与えることができる.検証実験を通して,提案法が既存手法より高い精度で因果関係の方向を推定できることを示し,さらに潜在交絡を検出し得ることを示す. 
(英) Causal inference in time series is a problem to estimate the underlying causal relationship between time-dependent variables. In this report, we tackle two tasks relating to causal inference in bivariate time series; one is to estimate the causal direction ($X rightarrow Y$ or $X leftarrow Y$) and the other is to detect latent confounding ($X leftarrow C rightarrow Y$). By extending the Random Causation Coefficient (RCC) to time series, we propose a supervised learning framework for bivariate time series, which infers the causal relationship based on a set of time series with a known causal relationship. While the existing model-based approaches require the prior specification of the models representing the causal relationships, the supervised learning framework can give the definition of the causal relationships directly from data. We show experimentally that our proposed method achieves better causal inference accuracy than other existing methods and even can detect latent confounding.
キーワード (和) 因果推論 / 時系列解析 / カーネル埋め込み / / / / /  
(英) causal inference / time series analysis / kernel embedding / / / / /  
文献情報 信学技報, vol. 116, no. 121, IBISML2016-2, pp. 189-194, 2016年7月.
資料番号 IBISML2016-2 
発行日 2016-06-28 (IBISML) 
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 IBISML2016-2

研究会情報
研究会 NC IPSJ-BIO IBISML IPSJ-MPS  
開催期間 2016-07-04 - 2016-07-06 
開催地(和) 沖縄科学技術大学院大学 
開催地(英) Okinawa Institute of Science and Technology 
テーマ(和) 機械学習によるバイオデータマインニング、一般 
テーマ(英) Machine Learning Approach to Biodata Mining, and General 
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2016-07-NC-BIO-IBISML-MPS 
本文の言語 日本語 
タイトル(和) 教師あり学習に基づく2変量時系列の因果推論 
サブタイトル(和)  
タイトル(英) A Supervised Learning Approach to Causal Inference for Bivariate Time Series 
サブタイトル(英)  
キーワード(1)(和/英) 因果推論 / causal inference  
キーワード(2)(和/英) 時系列解析 / time series analysis  
キーワード(3)(和/英) カーネル埋め込み / kernel embedding  
キーワード(4)(和/英) /  
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) 近原 鷹一 / Yoichi Chikahara / チカハラ ヨウイチ
第1著者 所属(和/英) 日本電信電話株式会社 (略称: NTT)
Nippon Telegraph and Telephone Corporation (略称: NTT)
第2著者 氏名(和/英/ヨミ) 藤野 昭典 / Akinori Fujino / フジノ アキノリ
第2著者 所属(和/英) 日本電信電話株式会社 (略称: NTT)
Nippon Telegraph and Telephone Corporation (略称: NTT)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
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
発表日時 2016-07-06 10:00:00 
発表時間 25 
申込先研究会 IBISML 
資料番号 IEICE-IBISML2016-2 
巻番号(vol) IEICE-116 
号番号(no) no.121 
ページ範囲 pp.189-194 
ページ数 IEICE-6 
発行日 IEICE-IBISML-2016-06-28 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会