【論文読み】日本企業データを用いた機械学習による利益変化の予測

はじめに

こんにちは。論文を読んだ結果の紹介記事です。
今回紹介するのは、「システム健全性管理のための時系列処理の課題とアプローチ」という論文です。

• タイトル： システム健全性管理のための時系列処理の課題とアプローチ
• 出典： 人工知能学会第二種研究会資料/2024 巻 (2024) SMSHM-001 号
• URL： https://www.jstage.jst.go.jp/article/jsaisigtwo/2024/SMSHM-001/2024_39/_pdf/-char/ja

概要

センサー時系列処理の課題とその解決アプローチを概観する。

特徴

• センサー時系列の特徴

  • 画像が同質な二次元で平行移動不変性をもつのに対して、次元毎に不均質で次元の順序には意味がない
  • 時間的な多様なスケール
  • 物理/化学法則が必要なサンプリング周期依存性
  • センサ値の変動パターン（何がノイズで何が信号であるかは対象の物理やセンサーの機能から決まる、など）
  • 運転者の意図に従った操作系列によるレジーム変化
  • 新たなデータの観測に伴い結果を修正していく必要があるオンライン性

• 時系列処理のアプローチ

  • フーリエ解析に代表される基底関数展開アプローチ
    フーリエ解析は、振動データのように、時系列を生成する方程式の解がフーリエ級数で近似的に表現できる場合に向いている
  • ARモデルに代表されるシステム同定アプローチ
    適切な窓サイズがわかっている定常データに適する
  • 単語の出現傾向や並びで時系列を表現するボキャブラリアプローチ
    時系列のMotif発見、異常検知、セグメンテーションなどに応用
  • Spikeletアプローチ
    時系列をスパイク状のパターンに分解して、スパイクの並びの類似性を用いて、Motifを抽出する。
    基本的なアイデアは、「時系列の山と谷を照合するパスは、DTW 距離が小さくなる」に注目して、時間方向に同じ長さのセグメントを切り出すのではなく、値方向の変動に応じた時間幅を切り出すことにある。

想定される適用例

• センサー時系列の分析全般
• 異常検知や寿命予測など

参考

• システム健全性管理のための時系列処理の課題とアプローチ