| 講演名 | 2019-03-09 多変量時系列変数マルチチャネル変換画像分類における深層学習の適用 蛭田 興明(慶大), 梁木 俊冴(慶大), 高屋 英知(慶大), 伊藤 千輝(ネットワンシステムズ), 荒牧 大樹(ネットワンシステムズ), 稲垣 隆雄(トヨタ自動車), 山岸 典生(トヨタ自動車), 栗原 聡(慶大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年，IoTやセンサ技術の発展により，多様な時系列データを取得できる時代となっている．この場合に，多次元データに対し，変数の関係を維持できる前処理によって各変数の関連性を特徴抽出する事のできる分析手法の確立が期待されている．本研究では，3つの同じ時間軸で異なる次元を持つ時系列変数を光の三原色であるRGBに見立て色変化画像に変換し，これに対して畳み込みニューラルネットワークを適用する．加えて，RGBを基軸にし，より色の視覚刺激を反映したXYZ，Lab色空間を利用した画像変換を行うことで，より効果的な特徴抽出を行う手法を提案する．実験の結果，既存の分類手法との精度比較を行い，提案手法の有効性を示すことができた．また，多様な色相空間で時系列を変換することで．各変数を独立として処理する場合よりも高性能な特徴抽出を実現できる可能性が示唆された． |
| 抄録(英) | In recent years, with the development of IoT and sensor technology, various data can be acquired. In this case, it is expected to establish analytical methods capable of extracting the characteristics of relevances of each variable of multimodal data. In this study, time series variables with different dimensions on the same time axis are converted to color change images as RGB which is the three primary colors of light, and Convolution Neural Network(CNN) is applied to this. Next, we propose a method to perform more effective feature extraction by converting the image using XYZ, Lab color space reflecting the color visual stimulus with RGB as the base. We compared accuracy with existing classification method and showed the effectiveness of the proposed method. Moreover, by converting time series in various color spaces. It is suggested that higher performance feature extraction can be realized than when processing each variable as independent. |
| キーワード(和) | 時系列解析 / 色相空間 / 深層学習 |
| キーワード(英) | time series data / color space / CNN |
| 資料番号 | AI2018-54 |
| 発行日 | 2019-03-02 (AI) |
| 研究会情報 | |
| 研究会 | AI / IPSJ-ICS / JSAI-KBS / JSAI-DOCMAS / JSAI-SAI |
|---|---|
| 開催期間 | 2019/3/7(から4日開催) |
| 開催地（和） | ルスツリゾート |
| 開催地（英） | |
| テーマ（和） | 社会システムと情報技術 |
| テーマ（英） | |
| 委員長氏名（和） | 峯 恒憲(九大) |
| 委員長氏名（英） | Tsunenori Mine(Kyushu Univ.) |
| 副委員長氏名（和） | 片上 大輔(東京工芸大) / 福田 直樹(静岡大) |
| 副委員長氏名（英） | Daisuke Katagami(Tokyo Polytechnic Univ.) / Naoki Fukuta(Shizuoka Univ.) |
| 幹事氏名（和） | 服部 宏充(立命館大) / 清 雄一(電通大) |
| 幹事氏名（英） | Hiromitsu Hattori(Ritsumeikan Univ.) / Yuichi Sei(Univ. of Electro-Comm.) |
| 幹事補佐氏名（和） | 櫻井 祐子(産総研) |
| 幹事補佐氏名（英） | Yuko Sakurai(AIST) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Artificial Intelligence and Knowledge-Based Processing / Special Interest Group on Intelligence and Complex Systems / Special Interest Group on Knowledge-Based Systems / Special Interest Group on Data Oriented Constructive Mining and Simulation / Special Interest Group on Society and Artificial Intelligence |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 多変量時系列変数マルチチャネル変換画像分類における深層学習の適用 |
| サブタイトル（和） | |
| タイトル（英） | Proposition of Multimodal Time Series Data Analysis Framework by CNN based on Multi-Channel Image Conversion |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 時系列解析 / time series data |
| キーワード(2)（和/英） | 色相空間 / color space |
| キーワード(3)（和/英） | 深層学習 / CNN |
| 第 1 著者 氏名（和/英） | 蛭田 興明 / Komei Hiruta |
| 第 1 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 2 著者 氏名（和/英） | 梁木 俊冴 / Toshiki Hariki |
| 第 2 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 3 著者 氏名（和/英） | 高屋 英知 / Eichi Takaya |
| 第 3 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 4 著者 氏名（和/英） | 伊藤 千輝 / Kazuki Ito |
| 第 4 著者 所属（和/英） | ネットワンシステムズ株式会社(略称：ネットワンシステムズ) NetOne Systems(略称：NetOne) |
| 第 5 著者 氏名（和/英） | 荒牧 大樹 / Daiki Aramami |
| 第 5 著者 所属（和/英） | ネットワンシステムズ株式会社(略称：ネットワンシステムズ) NetOne Systems(略称：NetOne) |
| 第 6 著者 氏名（和/英） | 稲垣 隆雄 / Takao Inagaki |
| 第 6 著者 所属（和/英） | トヨタ自動車(略称：トヨタ自動車) TOYOTA MOTOR Co.(略称：TOYOTA) |
| 第 7 著者 氏名（和/英） | 山岸 典生 / Norio Yamagishi |
| 第 7 著者 所属（和/英） | トヨタ自動車(略称：トヨタ自動車) TOYOTA MOTOR Co.(略称：TOYOTA) |
| 第 8 著者 氏名（和/英） | 栗原 聡 / Satoshi Kurihara |
| 第 8 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 発表年月日 | 2019-03-09 |
| 資料番号 | AI2018-54 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | AI-492 |
| ページ範囲 | pp.7-11(AI), |
| ページ数 | 5 |
| 発行日 | 2019-03-02 (AI) |