お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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
[ログイン]
技報アーカイブ
 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 2016-11-16 15:00
マルチタスクグレンジャー因果推定のための大域的疎構造を維持する加法的モデル分解
安部斉志佐久間 淳筑波大IBISML2016-56
抄録 (和) 因果推定は,時系列データの分析における重要な問題の1つである.
グレンジャー因果は,時系列データの因果の定式化として広く知られている.
応答を過去の応答とその他の特徴から予測するとき,予測に役立つ過去の応答以外の特徴をグレンジャー原因と呼ぶ.
既存のグレンジャー因果推定手法はスパース正則化を用いて特徴選択を行うが,過去の応答が予測に与える影響が大きいことから,グレンジャー原因となる他の特徴を選択できないという問題がある.
本稿では,マルチタスク学習のフレームワークでこの問題を解決する.
我々は,過去の応答に対応する係数が全てのタスクで大きいことを仮定し,各タスクのモデルを全タスク共通モデルとタスク特有モデルの和で表現する.
仮定の下でのモデル分解は,タスク共通モデルが過去の応答の強い影響力を表現し,特有モデルの特徴選択でのグレンジャー原因の発見を促す.
加えて,我々は加法的に分解されたモデルの和である統合モデルをスパースにする大域的スパース正則化を提案する.
最後に,実験によって提案法の有効性を実証する. 
(英) Causality estimation is one of the key issues in time-series data analysis.
Granger causality is widely known as a formulation to find causality among time-series.
Predicting responses from past responses and other features, the feature which is significantly useful for prediction is called Granger cause.
Existing Granger causality estimation methods are formulated as the feature selection problem by sparse regularizers.
One common problem of existing methods is that it captures only the past responses when they overly effect on the prediction.
In this paper, we overcome this problem by multi-task learning.
We assume coefficients corresponding to the past responses are greater than those of other features on all of the task. We additively decompose a model into task-common model and task-specific models.
The task-common model represents the large effect on the past responses and the task-specific models discover Granger cause that rarely appear.
In addition, we propose a global sparse regularizer that makes the integrated model which is sum of additive model sparse.
Finally, we demonstrate the effectiveness of our proposed method by experiments.
キーワード (和) グレンジャー因果 / マルチタスク学習 / スパース正則化 / モデル分解 / / / /  
(英) Granger causality / multi-task learning / sparse regularization / model decomposition / / / /  
文献情報 信学技報, vol. 116, no. 300, IBISML2016-56, pp. 73-79, 2016年11月.
資料番号 IBISML2016-56 
発行日 2016-11-09 (IBISML) 
ISSN Print edition: ISSN 0913-5685    Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード IBISML2016-56

研究会情報
研究会 IBISML  
開催期間 2016-11-16 - 2016-11-18 
開催地(和) 京都大学 
開催地(英) Kyoto Univ. 
テーマ(和) 情報論的学習理論ワークショップ(IBIS2016) 
テーマ(英) Information-Based Induction Science Workshop (IBIS2016) 
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2016-11-IBISML 
本文の言語 日本語 
タイトル(和) マルチタスクグレンジャー因果推定のための大域的疎構造を維持する加法的モデル分解 
サブタイトル(和)  
タイトル(英) Additive Model Decomposition with Global Sparse Structure for Multi-task Granger Causal Estimation 
サブタイトル(英)  
キーワード(1)(和/英) グレンジャー因果 / Granger causality  
キーワード(2)(和/英) マルチタスク学習 / multi-task learning  
キーワード(3)(和/英) スパース正則化 / sparse regularization  
キーワード(4)(和/英) モデル分解 / model decomposition  
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) 安部 斉志 / Hitoshi Abe / アベ ヒトシ
第1著者 所属(和/英) 筑波大学 (略称: 筑波大)
University of Tsukuba (略称: Univ. Tsukuba)
第2著者 氏名(和/英/ヨミ) 佐久間 淳 / Jun Sakuma /
第2著者 所属(和/英) 筑波大学/科学技術振興機構 CREST (略称: 筑波大)
University of Tsukuba/JST CREST (略称: Univ. Tsukuba)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
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 第1著者 
発表日時 2016-11-16 15:00:00 
発表時間 180分 
申込先研究会 IBISML 
資料番号 IBISML2016-56 
巻番号(vol) vol.116 
号番号(no) no.300 
ページ範囲 pp.73-79 
ページ数
発行日 2016-11-09 (IBISML) 


[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