潜在空間モデリングによる時系列からの再構成
Vol.97 No.5pp.399-404
発行日:2014/05/01
Online ISSN:2188-2355
Print ISSN:0913-5693
種別:特集 データを読み解く技術──ビッグデータ,e-サイエンス,潜在的ダイナミクス──
専門分野:
キーワード:
隠れマルコフモデル, 独立成分分析, グラフ系列推定, 脳機能イメージング,
本文:PDF(1.3MB)>>
あらまし:
時系列データの統計モデリングでは,しばしば観測対象の背後に観測されない変量の空間(潜在空間)を仮定し,そこに事前知識を入れることで,観測対象のダイナミックな性質を理解しようとする.本稿では,ダイナミクスやスパース性,低ランク性など,潜在空間に幾つかの事前知識を取り入れた統計モデルによる時系列の再構成法について紹介する.脳機能イメージングにおける応用に加えて,ブラインド信号分離と潜在グラフ系列推定の二つの文脈で,潜在的なモデル構造自体の変化を扱う話題に触れる.これらを通して,見えない世界である潜在空間とそこでのダイナミクスを推定することの意義を示す.