| 講演名 | 2019-06-17 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(KDDI総合研究所), 和田 真弥(KDDI総合研究所), 吉原 貴仁(KDDI総合研究所), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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。 |
| 抄録(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 |
| キーワード(英) | Variational Autoencoder / Time-Series Multimodal Data / Imputation |
| 資料番号 | IBISML2019-8 |
| 発行日 | 2019-06-10 (IBISML) |
| 研究会情報 | |
| 研究会 | NC / IBISML / IPSJ-MPS / IPSJ-BIO |
|---|---|
| 開催期間 | 2019/6/17(から3日開催) |
| 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 |
| 委員長氏名（和） | 庄野 逸(電通大) / 鹿島 久嗣(京大) / 関嶋 政和(東工大) / 倉田 博之(九工大) |
| 委員長氏名（英） | Hayaru Shouno(UEC) / Hisashi Kashima(Kyoto Univ.) / Masakazu Sekijima(Tokyo Tech) / Hiroyuki Kurata(Kyutech) |
| 副委員長氏名（和） | 鮫島 和行(玉川大) / 杉山 将(東大) / 津田 宏治(東大) |
| 副委員長氏名（英） | Kazuyuki Samejima(Tamagawa Univ) / Masashi Sugiyama(Univ. of Tokyo) / Koji Tsuda(Univ. of Tokyo) |
| 幹事氏名（和） | 吉本 潤一郎(奈良先端大) / 安部川 直稔(NTT) / 竹内 一郎(名工大) / 神嶌 敏弘(産総研) / 吉川 大弘(名古屋大) / 大久保 好章(北大) / 小谷野 仁(東工大) / 渡邉 真也(室蘭工業大) / 佐藤 寛之(電通大) / 高田 雅美(奈良女子大) / 田口 善弘(中央大) / 吉本 潤一郎(奈良先端大) / 伊藤 公人(北大) |
| 幹事氏名（英） | Junichiro Yoshimoto(NAIST) / Naotoshi Abekawa(NTT) / Ichiro Takeuchi(Nagoya Inst. of Tech.) / Toshihiro Kamishima(AIST) / Tomohiro Yoshikawa(Nagoya Univ.) / Yoshiaki Okubo(Hokkaido Univ.) / Hitoshi Koyano(Tokyo Tech) / Shinya Watanabe(Muroran Inst. Tech.) / Hiroyuki Sato(UEC) / Masami Takata(Nara Women's Univ.) / Yoshihiro Taguchi(Chuo Univ.) / Junichiro Yoshimoto(NAIST) / Kimihito Ito(Hokkaido Univ.) |
| 幹事補佐氏名（和） | 篠崎 隆志(NICT) / 瀧山 健(東京農工大) / 岩田 具治(NTT) / 大羽 成征(京大) |
| 幹事補佐氏名（英） | Takashi Shinozaki(NICT) / Ken Takiyama(TUAT) / Tomoharu Iwata(NTT) / Shigeyuki Oba(Kyoto Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on Infomation-Based Induction Sciences and Machine Learning / IPSJ Special Interest Group on Mathematical Modeling and Problem Solving / IPSJ Special Interest Group on Bioinformatics and Genomics |
|---|---|
| 本文の言語 | JPN |
| 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（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 小島 亮一 / Ryoichi Kojima |
| 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） | 和田 真弥 / Shinya Wada |
| 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） | 吉原 貴仁 / Kiyohito Yoshihara |
| 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) |
| 発表年月日 | 2019-06-17 |
| 資料番号 | IBISML2019-8 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | IBISML-89 |
| ページ範囲 | pp.51-55(IBISML), |
| ページ数 | 5 |
| 発行日 | 2019-06-10 (IBISML) |