2022年度 人工知能学会全国大会（第36回）
2022年6月14日〜7月8日京都国際会館＋オンライン
2022年度 人工知能学会全国大会（第36回）
2022年6月14日〜7月8日京都国際会館＋オンライン
[1D1-GS-2-01]逐次フィルタリングを用いた逐次変分自己符号化器の効率的な学習フレームワーク
〇石曽根 毅1、樋口 知之2、中村 和幸1(1. 明治大学、2. 中央大学)
キーワード：
深層生成モデル、時系列予測、変分推論、逐次ベイズフィルタリング
深層時系列生成モデルは，将来予測や未知の観測時系列の生成，時系列異常検知など幅広いタスクに応用されてきている．本報告では，深層時系列生成モデルのうち，逐次変分自己符号化器と呼ばれるモデルに焦点を当て，逐次ベイズフィルタリングを用いて効率的に学習するフレームワークを提案する．類似の先行研究では，対数周辺尤度の下界である ELBO を理論的により厳しく評価することができるが，実用上は潜在空間における粒子の広がりが小さいなど複数の課題があった．提案フレームワークでは，実用面に重きを置くことで，これらの課題を克服できており，実験的にも予測精度の面で先行研究を凌駕する性能を発揮したことを報告する．