著者

橋田 修一 田村 慶一

雑誌

情報処理学会論文誌数理モデル化と応用(TOM) (ISSN:18827780)

巻号頁・発行日

vol.13, no.2, pp.22-35, 2020-08-28

---

近年,深層学習を用いた時系列データの分類問題に関する研究がさかんに行われており,時系列データを高精度に分類することができる深層モデルの開発が求められている.本論文では畳み込みニューラルネットワーク(CNN)とMACDヒストグラムを用いた新しい分類手法としてMulti-Channel MACD-Histogram-based LSTM-FCN(Multi-Channel MHLF)を提案する.先行研究において,時系列データの分類問題に対してCNNを用いた分類手法が提案されており,その有効性が示されている.本研究では時系列データと時系列データから抽出したMACDヒストグラムとをマルチチャネルデータとして入力する手法を検討する.Multi-Channel MHLFはMACDヒストグラムとして短期と長期の2種類のウィンドウを用いて異なる特徴を抽出し,深層モデルとして時系列データの分類において高い精度が報告されているLSTM-FCNモデルにマルチチャネルデータを入力する手法となっている.評価実験では時系列データの分類問題のためのベンチマークとして公開されているUCRアーカイブデータセットを用いて,従来手法との比較実験を行った.実験の結果,提案手法は従来手法よりも分類精度が高いことが確認できた.