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
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 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 2019-06-17 17:00
適応的空間分割に基づく連続値時系列データのためのPredictive Sequence Mining
柴原芳和佐久間拓人名工大)・竹内一郎名工大/理研/物質・材料研究機構)・烏山昌幸名工大/物質・材料研究機構
技報オンラインサービス実施中
抄録 (和) 近年,センサー性能の向上やスマートフォンなどのポータブルデバイスの普及などにより, 時系列データの収集が容易になっている.
そのため, 時系列データから価値ある情報を獲得する方法論の重要性が高まっている.
本研究では連続値の空間に対して適応的な空間分割を用いることで, 連続値の時系列からクラスを特徴づけるパターンを取り出す手法を提案する.
従来,連続値データをシンボル化してクラス特異的なパターンを抽出する場合, あらかじめシンボルを定めておく必要があった.
本稿では, 多様なシンボル化の網羅的な組み合わせから定義される特徴空間から, 重要なパターンのみで構成されるスパースモデルを学習するアルゴリズムを構築する.
提案法はセーフスクリーニングのアイデアに基づき, 最適性を損なうことなく膨大な組み合わせを効率的に扱うことができる.
数値実験では, 時系列のベンチマークデータを使い, 提案法の効率を実証する. 
(英) In recent years, improvement of sensor performance and spread of portable devices such as smartphones enable us to easily collect time-series data.

Thus, it is an important task to extract valuable information from time series-data.

In this research, we propose a method extracting a class specific patterns from time-series data by using an adaptive discretization algorithm for a continuous feature space.

Conventional approaches need to define a symbolized representation of the original continuous time-series data beforehand.

Our approach can construct a sparse linear model by selecting important patterns from a variety of possible symbolizations.

The proposed method efficiently deals with a huge number of patterns by combining a safe-screening technique and sequence pattern mining.

Our numerical experiments demonstrate effectiveness of our approach through several benchmark datasets.
キーワード (和) 連続値系列データ / スパースモデル / 系列マイニング / / / / /  
(英) Continuous valued sequence data / sparse modeling / sequence mining / / / / /  
文献情報 信学技報, vol. 119, no. 89, IBISML2019-9, pp. 57-64, 2019年6月.
資料番号 IBISML2019-9 
発行日 2019-06-10 (IBISML) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 NC IBISML IPSJ-MPS IPSJ-BIO  
開催期間 2019-06-17 - 2019-06-19 
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) NC、機械学習によるバイオデータマイニング、一般 
テーマ(英) Neurocomputing, 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 2019-06-NC-IBISML-MPS-BIO 
本文の言語 日本語 
タイトル(和) 適応的空間分割に基づく連続値時系列データのためのPredictive Sequence Mining 
サブタイトル(和)  
タイトル(英) Adaptive Discretization based Predictive Sequence Mining for Continuous Time Series 
サブタイトル(英)  
キーワード(1)(和/英) 連続値系列データ / Continuous valued sequence data  
キーワード(2)(和/英) スパースモデル / sparse modeling  
キーワード(3)(和/英) 系列マイニング / sequence mining  
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) 柴原 芳和 / Yoshikazu Shibahara / シバハラ ヨシカズ
第1著者 所属(和/英) 名古屋工業大学 (略称: 名工大)
Nagoya Institute of Technolog (略称: NIT)
第2著者 氏名(和/英/ヨミ) 佐久間 拓人 / Takuto Sakuma / サクマ タクト
第2著者 所属(和/英) 名古屋工業大学 (略称: 名工大)
Nagoya Institute of Technolog (略称: NIT)
第3著者 氏名(和/英/ヨミ) 竹内 一郎 / Ichiro Takeuchi / タケウチ イチロウ
第3著者 所属(和/英) 名古屋工業大学/理化学研究所/物質・材料研究機構 (略称: 名工大/理研/物質・材料研究機構)
Nagoya Institute of Technology/RIKEN Center for Advanced Intelligence Project/National Institute for Materials Science (略称: NIT/RIKEN/NIMS)
第4著者 氏名(和/英/ヨミ) 烏山 昌幸 / Masayuki Karasuyama / カラスヤマ マサユキ
第4著者 所属(和/英) 名古屋工業大学/物質・材料研究機構 (略称: 名工大/物質・材料研究機構)
Nagoya Institute of Technology/National Institute for Materials Science (略称: NIT/NIMS)
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 2019-06-17 17:00:00 
発表時間 25 
申込先研究会 IBISML 
資料番号 IEICE-IBISML2019-9 
巻番号(vol) IEICE-119 
号番号(no) no.89 
ページ範囲 pp.57-64 
ページ数 IEICE-8 
発行日 IEICE-IBISML-2019-06-10 


[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