時系列データの集合を用いて予測モデルを構築する際、特定の時系列に関する情報が過小評価されることがある。本研究では、この問題を不均衡学習の観点から捉え、過少表現の時系列に対して合成サンプルを生成することで、ローカルとグローバルのトレードオフを改善する手法を提案する。
モデルZooを活用して、時系列データの中でモデルの予測精度が不安定な「境界サンプル」を特定し、強化学習を用いて、これらのサンプルを効果的に拡張することで、時系列予測モデルの性能を大幅に向上させる。
