講演情報
[A-10-32]SCINetを用いた1次元VAEによる時系列データの生成モデリング
〇平田 大貴1、代田 隆起1 (1. 株式会社AISing)
キーワード：
深層学習、VAE、SCINet
我々は，世界モデルを利用した工場環境シミュレータ作成による産業応用を目的にしており，そのためには，時系列センサーデータにおけるモデルの時空間情報獲得が重要である．世界モデルの空間情報表現獲得手法としてVAEがあり，時系列データを対象としたエンコーダモデルに畳み込みニューラルネットワーク`がある．しかし，畳み込み手法では局所的な特徴しか抽出できず，系列特有の周期性や長期依存性のような複雑なダイナミクスを捉えきれない課題がある．そこで，本稿では，時系列予測で高い性能を示す SCINet（Sample Convolution and Interaction Network）のエンコーダ構造をVAE に統合した1次元VAE（SCINet1dVAE）を構築し，電力変圧器温度データセットETTh1を用いて密度推定性能を評価する．