時系列データに対する機械学習モデルを実運用する場合, 学習時と運用時のデータの分布の違いによる精度など推定結果への影響が問題となっており, 時系列データにおける分布外検知が必要とされている. 分布外検知を行う方法として, 学習済みAutoEncoderにデータを入力, その再構成誤差を計る手法が古くから知られている. しかし, 画像をもちいた実験において, AutoEncoderは本来再構成できないはずの分布外データに対してもうまく再構成できてしまうことが近年報告されている. この問題に対処するため, 敵対的生成モデルを利用した生成モデルベースのアプローチが多数提案されている. これらの提案手法の多くは画像データに対して行われており, 時系列センサーデータに対する分布外検知の性能については未知なことが多い. そこで本研究では, 人工的に生成したデータや現実の時系列データに適用しその性能を評価, 考察した.
