| 大会名称 |
|---|
| 2022年 情報科学技術フォーラム(FIT) |
| 大会コ－ド |
| F |
| 開催年 |
| 2022 |
| 発行日 |
| 2022-08-30 |
| セッション番号 |
| 1c |
| セッション名 |
| データベース |
| 講演日 |
| 2022/09/13 |
| 講演場所(会議室等) |
| 12棟-103教室 |
| 講演番号 |
| CD-005 |
| タイトル |
| LSTNetに基づく注目区間情報を強調する多変量時系列予測 |
| 著者名 |
| 佐野隼乙, 六井 淳, |
| キーワード |
| 多変量時系列予測, LSTNet, Attention機構 |
| 抄録 |
|
多変量時系列予測とは、複数の時系列データの過去を分析し、未来の値を予測する分野であり、様々な手法の提案がなされてきた。近年、Long-and Short-term Time-series Network(LSTNet)と呼ばれる手法について高い予測性能を示す報告がなされている。 本研究では、このLSTNetを改良したアーキテクチャを提案する。LSTNetのRecurrent層で用いられているGated recurrent unit(GRU)は、過去の情報を均一に参照している。しかし、未来予測に過去の情報すべてが影響を与えているのではなく、注目すべきポイントが存在すると考えられる。そのため、複数の過去の情報を強調するAttention機構を有するモデルを提案する。検証実験を通して、提案手法の有効性を確認した。 |
| 本文pdf |
| PDF download (879.1KB) |