逐次フィルタリングを用いた逐次変分自己符号化器の効率的な学習フレームワーク

抄録

深層時系列生成モデルは，将来予測や未知の観測時系列の生成，時系列異常検知など幅広いタスクに応用されてきている．本報告では，深層時系列生成モデルのうち，逐次変分自己符号化器と呼ばれるモデルに焦点を当て，逐次ベイズフィルタリングを用いて効率的に学習するフレームワークを提案する．類似の先行研究では，対数周辺尤度の下界である ELBO を理論的により厳しく評価することができるが，実用上は潜在空間における粒子の広がりが小さいなど複数の課題があった．提案フレームワークでは，実用面に重きを置くことで，これらの課題を克服できており，実験的にも予測精度の面で先行研究を凌駕する性能を発揮したことを報告する．