擬似データ生成において注目されている手法にGANがある。GANは入力されたノイズからデータを生成する生成器と擬似データと実データを見分ける判別器の2つのネットワークからなり、これらを相互に学習させることでデータ生成で高い性能を発揮する。GANで学習できるデータの性質を調査するために、可解カオス写像により生成される時系列データの学習可能性が調査されている。この時系列データはカオス性や分布、写像のリターンマップ等により特徴付けられていて生成データと学習データの性質を比較しやすいと考えたためである。私は生成器に入力するノイズの従う分布を変化させて可解カオス写像の学習可否を調査したところ、写像の不変測度とノイズの分布が一致した場合には生成データが学習データを著しく模倣できなくなることがわかった。
GANによる擬似データ生成
| 氏名 | 専攻 | 研究室 | 役職/学年 |
|---|---|---|---|
| 岩﨑俊 | 数理工学専攻 | 物理統計学分野研究室 | 修士1回生 |
| 梅野健 | 数理工学専攻 | 物理統計学分野研究室 | 教授 |