| Project/Area Number |
19K01591
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 07030:Economic statistics-related
|
|---|
| Research Institution | University of Shizuoka |
|---|
Principal Investigator |
六井 淳 静岡県立大学, 経営情報学部, 教授 (70362910)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2021: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2020: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2019: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
|
|---|
| Keywords | LSTM / 社会的時系列 / グレンジャー因果検定 / GRU / LSTNet / サポートベクター回帰 / ESN / RNN / 重回帰分析 / 敵対的生成ネットワーク / テンソル因子分解 / 時間遅れ付きLSTM / Quasi-RNN / リカレントニューラルネット / 時系列予測 |
|---|
| Outline of Research at the Start |
本研究ではリカレントニューラルネットワーク(RNN)を利用し、株価をはじめとする時系列情報を起因子別に複合処理する新たな手法の提案と検証を行う．Long short-term memory(LSTM)と呼ばれる長短期記憶ネットワークは大語彙音声認識の分野で高い認識性能を与える手法として知られている.本研究では、成り立ちの異なる複数の時系列に対し、LSTMを基幹とする新たな手法を提案する．本手法により、変化率を仮定した確率分布を用いることなく複数要因を結合させることができるため、知識に依存しない時系列予測が可能となる．結果、現代金融工学あるいは社会情報学における新分野開拓が期待できる．
|
| Outline of Annual Research Achievements |
本研究では、複数のLSTMを並列に動作させる機構を組み合わせることで、蜘蛛の糸のように複雑に収束する1系列を可能な限り少ない誤差で予測する新たなRNNの枠組みを提案した[1][2]．更に、本研究では、データ間の関連性について、グレンジャー因果検定とクラスタリングを組み合わせ、真に有用な関連時系列を取捨選択する手法を構築した．更に、多変量時系列を統合させる際には、非線形回帰手法のサポートベクトル回帰を用いることで飛躍的に予測精度を向上させた[3]．提案手法は計算コストの増加が問題点であったが、ESNを用いて計算コストの向上を図った[4]．
[1] Jun Rokui,“Historical time series prediction framework based on recurrent neural network using multivariate time series”,IIAI-AAI2021,pp.486-489,2021.
[2] Jun Rokui, Rin Adachi,“Cell-expanded Long Short-term Memory", Joint 12th International Conference on Soft Computing and Intelligent Systems and 23rd International Conference on Advanced Intelligent Systems,2022.
[3] 松浦 匠吾,六井 淳,"Recurrent Neural Networkに基づく複数時系列関係を考慮した時系列予測”,FIT2021講演論文集,第二分冊,pp27-32,2021.
[4] 大嶽 和氣,六井 淳,"Echo State Networkを用いた高速な多変量時系列予測”,The 36st Annual Conference of the Japanese Society for Artificial Intelligence 2022,2022．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
本研究の目標は主に3つに大別できる。
① 複数時系列入力を並列に駆動させるLSTM機構の構築、
② ①から得られる複数予測出力を1系列に統合する機構の構築
③ 時系列情報からの起因子分析
①、②、③についてまんべんなく、提案手法の有効性が実験的に確認されており、実時間処理での精密な未来予測が既に可能となっている．当初の計画通りに研究は進んでいる．実用化の面で課題であった計算コストの問題も解決方法を示すことができている．つまり、当初の計画は現段階で既に達成されていると言っても過言ではない．唯一、時系列情報に突発的な変動があった際に予測がうまくいかない現象が確認されており、③の観点から解決を図っていく予定である．
|
| Strategy for Future Research Activity |
実験的にほとんどの社会時系列変化に対して高精度な予測が達成できているが、突発的な時系列変動に対してはうまくいかない場合が確認されている．これは与えられている複数の入力時系列にない情報が起因していると考えられるため、予測対象時系列そのものを解析し、原因となる変動要因を特定しなければならない．今後、信号処理などで要因分析に利用されている独立低ランク行列を利用した起因子分析を進め、信号を単純化することで予測に繋げていく予定である．具体的には、独立低ランク行列によって予測対象時系列の分離信号を得る．分離信号は原信号と比べて単純な構造をしているため、分離信号独立で予測時系列を得た後に、再構成する手法を検討中である．
|
Report
(4 results)
Research Products
(22 results)
-
-
[Journal Article] Cell-expanded Long Short-term Memory2022
Author(s)
Rokui Jun、Adachi Rin
-
Journal Title
Proc of Joint 12th International Conference on Soft Computing and Intelligent Systems and 23rd International Conference on Advanced Intelligent Systems
Volume: F-1-C-5
Pages: 1-6
DOI
Related Report
Peer Reviewed
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
