時系列データの弱教師付き学習を活用した多変量時系列分類の高度化

時系列データの特徴は局所的かつ疎であるため、従来の完全教師付き学習では正確な決定境界を学習することが困難である。本研究では、時系列データの時間的相関と順序性を考慮した弱教師付きの複数インスタンス学習(MIL)フレームワーク「TimeMIL」を提案し、これにより時系列データの分類精度を大幅に向上させることができる。