多変量の統計的依存性特徴による時系列分類
arXiv cs.LG / 2026/4/9
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、従来の相関ベースのウィンドウ統計を用いるのではなく、交差密度比（CDR）を直接推定することで統計的依存性を扱う、非定常な時系列分類の枠組みを提案している。
- CDRに基づく特徴量は順序に依存せず、レジーム（状態）変化にも対してより頑健であり、ウィンドウ化された相関推定における限界を解決すると主張している。
- 本手法では、機能的最大相関アルゴリズム（FMCA）を用いてCDRの固有スペクトルを分解し、その結果により射影空間を構築し、分類にはマルチスケールの固有空間特徴を利用する。
- 分類は、軽量な単一隠れ層パーセプトロンで行い、モデルの複雑さと保存容量の効率性を重視している。
- TI-46の数字音声コーパスにおいて、本手法は10層未満かつ5 MB未満の保存容量で、HMMや最先端のスパイキングニューラルネットワークより高い精度を達成したと報告されている。
