Neural Processを用いた時系列データの分節化に関する研究

抄録

時系列データを理解するためにはデータを意味のあるまとまりに分割することが必要である。しかし手作業で大量のデータを分節化することは難しい。そこで本研究では教師無し学習モデルを用いて時系列データを分割を行う計算論モデルについて議論する。本稿ではNeural processとHFP-HSMMを用いた生成モデルに対してNeural process、Attentive Neural Process、Conditional Neural Processを適用し分節化の精度を比較する。