@article{oai:ipsj.ixsq.nii.ac.jp:00220364, author = {藤原, 廉 and 松原, 靖子 and 木村, 輔 and 櫻井, 保志 and Ren, Fujiwara and Yasuko, Matsubara and Tasuku, Kimura and Yasushi, Sakurai}, issue = {3}, journal = {情報処理学会論文誌データベース(TOD)}, month = {Oct}, note = {本論文では,大規模制御応答時系列データストリームにおける制御量予測手法であるC-Castについて述べる.C-Castは,制御量(Controlled sequence),動作信号,操作量の三要素で構成される制御応答時系列データから,制御量の時系列パターンをとらえることで,パターン間の遷移に基づく高速な制御量予測を実現する.より具体的には,動作信号および操作量を考慮できるように動的システムを拡張し,制御応答時系列データを適応型動的システムとしてモデル化することで,重要なパターンや複雑なパターンの遷移を柔軟に表現する.提案手法は,(a)制御応答時系列データストリームから重要な特徴を発見し,刻々と変化していく潜在的なパターンやパターン遷移を高速かつ自動的に認識し,(b)将来的な制御量予測を実現する.さらに,提案手法は(c)データストリームの長さに依存しない.実データを用いた実験では,提案手法が制御応答時系列データストリームの中から重要な時系列パターンを発見し,制御量予測を高精度に行うことを確認した.さらに,最新の既存手法と比較し大幅な精度向上を達成し,その計算速度はデータサイズに依存せず,高速に動作することを明らかにした., Given a large collection of complex data sequences of control response, which consists of multiple attributes (e.g., Controlled sequence, Operation signal, Manipulated sequence), how can we effectively predict future controlled sequence? In this paper, we present C-Cast, an efficient and effective method for forecasting time-evolving data streams of control response. Our proposed method has the following properties: (a) Adaptive: it captures important time-evolving patterns and discontinuity in time-evolving data streams of control response. (b) Effective: it enables real-time controlled sequence forecasting. (c) Scalable: our algorithm does not depend on data size, and thus is applicable to very large sequences. Extensive experiments on a real dataset demonstrate that C-Castconsistently outperforms the best existing state-of-the-art methods as regards accuracy, and the execution speed is sufficiently fast.}, pages = {87--98}, title = {制御応答時系列データストリームにおける予測アルゴリズム}, volume = {15}, year = {2022} }