講演抄録/キーワード |
講演名 |
2023-03-02 16:40
独立低ランク行列分析を用いた分離予測時系列再構成手法 ○和泉 響・六井 淳(静岡県立大) PRMU2022-95 IBISML2022-102 |
抄録 |
(和) |
時系列予測とは過去の値から未来の値を予測する分野であり,様々な手法が提案されている.
音声信号処理の分野に音源分離と呼ばれる信号処理技術があり,複数の音源が混合した観測信号から,混合前の音源信号を推定する技術である.
本研究では,時系列データに独立な信号成分が含まれていると仮定し,音源分離手法の一つである独立低ランク行列分析(Independent Low-Rank Matrix Analysis:ILRMA )を時系列(株価)データに適用することで信号を単純化する.信号が単純化されることで時系列データ予測はより正確になることが期待できる.
結果、個々の信号に対しLSTM(Long-Short Term Memory)を用いて予測を行い,重回帰分析を用いて分離前のデータを復元し予測結果を得る手法を提案する. |
(英) |
Time series forecasting is the field to predict future values from past values, and various methods have been proposed.
There is a signal processing technology called sound source separation in the field of speech signal processing, and it is a technology to estimate sound source
signals before mixing from observation signals in which multiple sound sources are mixed.
In this study, we assume that independent signal components are included in the time
series data and simplify the signal by applying independent low-rank matrix analysis(ILRMA: Independent Low-Rank Matrix Analysis), one of the source separation methods, to the time series(stock price) data.
It can be expected that the time series data prediction becomes more accurate by the signal simplification.
In this paper, we propose a method to obtain the predicted results by using LSTM(Long-Short Term Memory) for individual signals, and then recovering the original data using multiple regressions. |
キーワード |
(和) |
時系列予測 / ILRMA / LSTM / / / / / |
(英) |
Time series prediction / ILRMA / LSTM / / / / / |
文献情報 |
信学技報, vol. 122, no. 404, PRMU2022-95, pp. 187-192, 2023年3月. |
資料番号 |
PRMU2022-95 |
発行日 |
2023-02-23 (PRMU, 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 |
PRMU2022-95 IBISML2022-102 |
研究会情報 |
研究会 |
PRMU IBISML IPSJ-CVIM |
開催期間 |
2023-03-02 - 2023-03-03 |
開催地(和) |
はこだて未来大学 |
開催地(英) |
Future University Hakodate |
テーマ(和) |
異分野連携(PRMU)、AutoML (CVIM)、機械学習の理論と応用の広がり(IBISML) |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
PRMU |
会議コード |
2023-03-PRMU-IBISML-CVIM |
本文の言語 |
日本語 |
タイトル(和) |
独立低ランク行列分析を用いた分離予測時系列再構成手法 |
サブタイトル(和) |
|
タイトル(英) |
Separate Predictive Time Series Reconstruction using Independent Low-Rank Matrix Analysis |
サブタイトル(英) |
|
キーワード(1)(和/英) |
時系列予測 / Time series prediction |
キーワード(2)(和/英) |
ILRMA / ILRMA |
キーワード(3)(和/英) |
LSTM / LSTM |
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) |
和泉 響 / Hibiki Izumi / イズミ ヒビキ |
第1著者 所属(和/英) |
静岡県立大学 (略称: 静岡県立大)
University of Shizuoka (略称: Univ of Shizuoka) |
第2著者 氏名(和/英/ヨミ) |
六井 淳 / Jun Rokui / ロクイ ジュン |
第2著者 所属(和/英) |
静岡県立大学 (略称: 静岡県立大)
University of Shizuoka (略称: Univ of Shizuoka) |
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 |
2023-03-02 16:40:00 |
発表時間 |
10分 |
申込先研究会 |
PRMU |
資料番号 |
PRMU2022-95, IBISML2022-102 |
巻番号(vol) |
vol.122 |
号番号(no) |
no.404(PRMU), no.405(IBISML) |
ページ範囲 |
pp.187-192 |
ページ数 |
6 |
発行日 |
2023-02-23 (PRMU, IBISML) |