Soft-MSM：時系列のための文脈対応型・弾性アラインメントを微分可能にする手法
arXiv cs.LG / 2026/5/4
📰 ニュースTools & Practical UsageModels & Research
要点
- Soft-MSMは、Move-Split-Merge（MSM）距離を滑らかに緩和し、勾配ベースの時系列学習に使える微分可能な文脈対応型の弾性アラインメント損失として提案されます。
- MSMの分割/統合に関する区分的な遷移コストを、滑らかなゲート付きの代理関数で置き換えることで、動的計画法の再帰と、アラインメントに依存する局所遷移構造の両方に対して勾配が伝播します。
- 論文では、順伝播/逆伝播の再帰、ソフトなアラインメント行列、閉形式の勾配、極限挙動、ならびに発散補正付きの定式化を導出します。
- 112のUCRデータセットでの実験により、Soft-MSMは既存のMSMバリセントル手法よりもMSMバリセントル損失が低く、クラスタリングと最近傍重心（nearest-centroid）分類でSoft-DTWベース手法より有意に良い性能を示します。
- 実装はaeonツールキットとしてオープンソースで提供されており、時系列MLの実務への導入を後押しします。
