[2S1-GS-2] Machine learning:

[2S1-GS-2-05] Long-term time series generation by modeling variate characteristics and inter-variate correlations

〇Kasumi Ohno¹, Kohei Makino¹, Makoto Miwa¹, Yutaka Sasaki¹ (1. Toyota Technological Institute)

Keywords:Long-term Time Series Generation, Generative Adversarial Networks, Multivariate Time Series Generation

時系列生成とは，実世界における未知の複雑なダイナミクスに基づいて発生した時系列データの特性を反映した合成データを生成する技術である．合成データは，データ拡張やプライバシーの情報を含むデータの代理データセットなどに利用される．本稿では，特に多変量の長期時系列生成に焦点を当てる．GAN に基づく既存研究では，長期の時系列や変量間の相関（変量相関）を考慮した多変量データの生成に重点を置いており，変量個々の特徴（変量特徴）と変量相関の両方を捉えた時系列生成は実現できていない．本研究では，長期時系列のモデル化，変量相関，変量特徴の三点に注目した合成データの生成を目的とし，(1)複数ヘッド注意機構により変量相関を考慮し，変量条件により変量特徴を考慮した GAN と(2)非自己回帰オートエンコーダの二つの技術を用いた長期時系列生成手法 Attended Variate-Conditioned (AVC)-GAN を提案する．長期時系列予測データセットを用いた評価実験を実施し，AVC-GAN が既存手法と比較して，変量相関と変量特徴の観点で最も高品質な長期時系列データの生成が可能なことを明らかにした．