ⅦEによる欠損時系列マルチモーダルデータの補間

• Item type: SIG Technical Reports(1)
• 公開日: 2019-06-10
• タイトル: ⅦEによる欠損時系列マルチモーダルデータの補間
• タイトル / 言語: en
• タイトル: Imputation of Missing Time-Series Multimodal Data with Variational Autoencoder
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 株式会社KDDI総合研究所
• 著者所属: 株式会社KDDI総合研究所
• 著者所属: 株式会社KDDI総合研究所
• 著者所属(英): en
• 著者所属(英): KDDI Research, Inc.
• 著者所属(英): en
• 著者所属(英): KDDI Research, Inc.
• 著者所属(英): en
• 著者所属(英): KDDI Research, Inc.
• 著者名: 小島, 亮一; 和田, 真弥; 吉原, 貴仁
• 著者名(英): Ryoichi, Kojima; Shinya, Wada; Kiyohito, Yoshihara
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 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．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: 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.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12055912
• 書誌情報: 研究報告バイオ情報学（BIO）; 巻 2019-BIO-58, 号 8, p. 1-5, 発行日 2019-06-10
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8590
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会