[3D5-GS-2] 機械学習：時系列

[3D5-GS-2-01] 潜在空間の対称性を利用した時系列予測

〇鄭 晟徹¹、後藤 有輝^2,4、塚本 慧¹、河野 慎¹、三内 顕義³、松尾 豊¹、熊谷 亘^1,4 (1. 東京大学、2. 慶應義塾大学、3. 京都大学、4. 理研AIP)

キーワード：対称性、時系列予測、機械学習、潜在空間

機械学習において，データの対称性を活用することは学習効率と精度の両方を向上させるために極めて重要である．時系列データにおける対称性検出アルゴリズムは，データの核となる物理的原理を明らかにするために教師なし学習で注目されている．既存の研究は，基本的な2次元の対称性に焦点を当てたものがほとんどであり，実世界のシナリオで一般的な3次元の回転のような，より複雑な形式を扱うには不十分である．この限界を克服するために，我々は一様に変化する時系列データにおいて，このような複雑な対称性を学習できる新しいモデルを導入する．データ空間における対称性を利用する従来のアプローチとは異なり，我々のモデルは潜在変数の枠組みを採用し，この潜在空間における既存の対称性を仮定する．非線形ICAの識別可能性理論を適用することで、データ空間では対称性が崩れている時系列データから，我々の手法で検出された対称性が真の対称性と一致することを理論的，実験的に証明した．