機械学習分野のトップカンファレンス「NeurIPS 2021」にて共著論文採択
Japan Digital Design株式会社
2021年12月6日から14日（米国太平洋時間）にオンラインで開催されるNeurIPS 2021にて、Japan Digital Design株式会社、株式会社三菱UFJトラスト投資工学研究所、米スタンフォード大学の共同執筆による研究論文が採択されました。
採択された論文の詳細は、下記の通りです。
タイトル
「CSDI: Conditional Score-based Diffusion Models for Probabilistic Time Series Imputation」
（和訳）「条件付きスコアベース拡散モデルを用いた確率的時系列欠損補完手法（CSDI）の提案」
Yusuke Tashiro123*, Jiaming Song1, Yang Song1, Stefano Ermon1
*1Department of Computer Science, Stanford University, Stanford, CA, USA
*2Mitsubishi UFJ Trust Investment Technology Institute, Tokyo, Japan
*3Japan Digital Design, Tokyo, Japan
概要
金融、医療、気象、交通など様々な分野において、時間的に情報が変化する時系列データの分析と活用は重要な役割を果たしている。時系列データには、機器故障や外的要因など様々な原因でしばしば欠損が発生する。欠損値が発生すると状況把握や意思決定など時系列データの活用の障害となるため、欠損値を精度良く補完する技術の開発は、多くの研究者が取り組む重要な研究課題となっている。
本研究では、スコアベース拡散モデルと呼ばれる最新の深層学習技術を時系列欠損補完に拡張することで、高精度な補完を可能にした。また、補完結果の確信度も同時に算出が可能であるため、補完データを用いた意思決定を適切に行うことができる。実験では様々な時系列データに対して既存手法を上回る補完精度が確認できた。今後は、金融実務への応用も進めていく。
予測例 (イメージ)
NeurIPSについて
NeurIPSは「Neural Information Processing Systems」の頭文字からなる名称で、機械学習分野の有力な国際会議です。1987年からの歴史を持つこの会議は毎年12月に開催され、今年で35回目を迎えます。
機械学習分野において、NeurIPSはInternational Conference on Machine Learning（ICML）と並ぶトップ会議として認識されています。
