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 16:15
VAEによる欠損時系列マルチモーダルデータの補間
小島亮一和田真弥吉原貴仁KDDI総合研究所
技報オンラインサービス実施中
抄録 (和) データはしばしば欠損し、続くデータ分析や機械学習モデルの作成に悪影響をもたらすためそれらの補間は重要である。本稿はなかでも時系列特性をもつマルチモーダルデータの欠損補間法「tsMVAE (time-series multimodal Variational Autoencoder)」を提案する。単純な補間ではデータにバイアスが生じてしまうことが知られているが、提案手法はVAE(Variational Autoencoder)で時系列マルチモーダルデータに共通の潜在表現を推定し、それから欠損している時系列モーダルデータを生成させることで高精度に補間できる。さらに「Stand」や「Sit」といった人の行動モーダルを欠損モーダルとし、提案手法で補間させることで行動推定することもできる。欠損を含むデータセットである「OPPORTUNITY Activity Recognition Data Set」で評価実験をし、「データ欠損の補間」では単純な補間手法を上回り、「人の行動推定」では従来手法同等の精度を達成した。 
(英) Data is often missing and that results in negative effects on subsequent data analysis and creating machine learning model. In this paper, we propose the missing-data imputation method that is able to deal with time-series multimodal data called ``tsMVAE (time-series multimodal variational autoencoder)''.The tsMVAE inferences the identical latent representation with VAE(Variational Autoencoder),and generates time-series multimodal data including missing ones while avoiding any bias.Furthermore, by regarding human activities as missing modal data,the tsMVAE also estimates human activities.We do two experiments with the time-series multimodal sensor dataset : ``OPPORTUNITY Activity Recognition Data Set''.The tsMVAE outperforms the conventional algorithms in terms of imputation more precisely and performs equivalent to the conventional models in terms of estimating human activities.
キーワード (和) 変分オートエンコーダ / 時系列マルチモーダルデータ / 欠損補間 / / / / /  
(英) Variational Autoencoder / Time-Series Multimodal Data / Imputation / / / / /  
文献情報 信学技報, vol. 119, no. 89, IBISML2019-8, pp. 51-55, 2019年6月.
資料番号 IBISML2019-8 
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) VAEによる欠損時系列マルチモーダルデータの補間 
サブタイトル(和)  
タイトル(英) Imputation of Missing Time-Series Multimodal Data with Variational Autoencoder 
サブタイトル(英)  
キーワード(1)(和/英) 変分オートエンコーダ / Variational Autoencoder  
キーワード(2)(和/英) 時系列マルチモーダルデータ / Time-Series Multimodal Data  
キーワード(3)(和/英) 欠損補間 / Imputation  
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) 小島 亮一 / Ryoichi Kojima / コジマ リョウイチ
第1著者 所属(和/英) 株式会社 KDDI総合研究所 (略称: KDDI総合研究所)
KDDI Research, Inc. (略称: KDDI Research)
第2著者 氏名(和/英/ヨミ) 和田 真弥 / Shinya Wada / シンヤ ワダ
第2著者 所属(和/英) 株式会社 KDDI総合研究所 (略称: KDDI総合研究所)
KDDI Research, Inc. (略称: KDDI Research)
第3著者 氏名(和/英/ヨミ) 吉原 貴仁 / Kiyohito Yoshihara / キヨヒト ヨシハラ
第3著者 所属(和/英) 株式会社 KDDI総合研究所 (略称: KDDI総合研究所)
KDDI Research, Inc. (略称: KDDI Research)
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 2019-06-17 16:15:00 
発表時間 25 
申込先研究会 IBISML 
資料番号 IEICE-IBISML2019-8 
巻番号(vol) IEICE-119 
号番号(no) no.89 
ページ範囲 pp.51-55 
ページ数 IEICE-5 
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