[2S4-GS-2] 機械学習：

[2S4-GS-2-01] 時系列データの周波数を考慮したAutoencoder

〇不死原 大知¹、橋本 悠香¹、松尾 洋一¹ (1. 日本電信電話株式会社)

キーワード：異常検知、オートエンコーダー、時系列データ

通信事業者には通信故障発生時の迅速な対応が求められている．故障対応のためにはトラヒック量(時系列データ)を監視する必要があり，そのため，時系列異常検知は重要な技術となっている．既存研究では時系列異常検知のために，深層学習モデルの1つであるAutoencoder(AE)による再構成誤差を用いた研究がある．しかし，AEの学習は入力データの幾何学的な形状に大きく依存し，例えば，トラヒック量など時系列データが複雑な周期を持つ場合には再構成誤差が大きくなる．この課題解決のために本発表では，時系列データの周波数情報を組み込んだAutoencoder with frequency-encoded decoder(AE-FED)を提案する．AE-FEDではAEのdecoderの入力に，時系列データの周波数を三角関数でエンコードした特徴量を追加することで，周期がある時系列データに対して再構成を理論保証することが可能である．実験では人工的に生成した周期がある時系列データに対してAE-FEDとAE含む比較手法を用いた異常検知を行い，AE-FEDがAUCを最大化することができた．