[3E4-GS-2] 機械学習：時系列データ

[3E4-GS-2-01] 時系列データ間の因果関係の推論

〇乗松 良行¹ (1. 三菱電機株式会社)

キーワード：因果推論、ガウス過程、機械学習

時系列データ間の因果関係を知ることは、異常原因の調査や直接測定できない場所の情報を予測するのに重要である。従来手法のベクトル自己回帰(VAR)はこのタスクのために多くの分野で使用されてきたが、定常性を持つ時系列データにしか適用できないという課題があった。本研究ではこの課題を解決するためにガウス過程動的力学モデル(GPDM)とマルチタスクガウス過程(MTGP)を組み合わせて非定常性をもつ時系列データ間の相関やタイムラグを明らかにする手法を提案する。また本手法を気象のオープンデータに適用した結果について示す。