| 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 | 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）  IBISML2019-8 |
|
| 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 | 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 | IBISML2019-8 |
|
| 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) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-06-17 16:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2019-8 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.89 |
| ページ範囲 | pp.51-55 |
| ページ数 | 5 |
| 発行日 | 2019-06-10 (IBISML) |
[研究会発表申込システムのトップページに戻る]