多変量時系列変数マルチチャネル変換画像分類における深層学習の適用

抄録

近年，IoTやセンサ技術の発展により，多様な時系列データをリアルタイムで取得可能な時代となっている．現在得られるデータは，変数の種類が単一ではなく，二種類以上のデータが得られる場合が殆どである．このとき，各変数の関連性を特徴抽出することで，より有効性の高い分析手法の確立が求められている． 本研究では，3つの同じ時間軸で異なる次元を持つ時系列変数を光の三原色であるRGBに見立て色変化画像とし，畳み込みニューラルネットワークを適用する．これにより，色の視覚刺激の活用により変数間の関連性を最大限抽出可能なデータ分析手法を提案する．我々人間はRGBを一つの色として認識できるが，計算機で処理する場合は，RGB独自に処理されてしまう．そこで，計算機でも人のようにRGBを取り扱うために，RGBを基軸にしたXYZ，Lab色空間を利用した画像変換を行うことで，より効果的な特徴抽出を行うことを目指す．実験の結果，既存分類手法との精度比較を行い，提案手法の有効性を示すことができた． また，多様な色相空間で時系列を変換することで．各変数を独立として処理する場合よりも高性能な特徴抽出を実現できる可能性が示唆された．