[論文レビュー] Estimating Driving Forces of Nonstationary Time Series with Slow Feature Analysis

Laurenz Wiskott|arXiv (Cornell University)|Dec 12, 2003

Chaos control and synchronization参考文献 11被引用数 41

ひとこと要約

本稿では、観測信号と比べて変動が遅いという原則に従い、非定常時系列における潜在的駆動力の推定にスローフィーチャー分析（SFA）を提案する。SFAは、ノイズが存在してもスケーリング要因および定数オフセットを除き、正確に駆動力を回復できる。テント写像やロジスティック写像といったカオス的写像の例で、相関係数 r > 0.96 の高い相関が確認された。

ABSTRACT

Slow feature analysis (SFA) is a new technique for extracting slowly varying features from a quickly varying signal. It is shown here that SFA can be applied to nonstationary time series to estimate a single underlying driving force with high accuracy up to a constant offset and a factor. Examples with a tent map and a logistic map illustrate the performance.

研究の動機と目的

• 標準的な定常解析では失敗する非定常時系列における隠れた、ゆっくり変化する駆動力の推定という課題に対処すること。
• 時系列のセグメンテーションやウィンドウ処理を必要としない、内在的な力学的パラメータを抽出する手法の開発。
• SFAが、パラメータの変化が遅いまたはまれな場合に生じる非定常性に対しても、真の駆動力を線形変換（スケーリングおよびオフセット）を除き回復できることの実証。
• SFAのノイズ耐性および複雑なダイナミクスを示す実世界データへの適用可能性の評価。
• SFAの性能を、再帰プロットやオーバーエンベッディングといった既存手法と比較すること。

提案手法

• SFAは、まず入力信号を1次および2次の単項式を用いて非線形に拡張することで、非線形ダイナミクスを捉える。
• 主成分分析を用いて信号を球面化（ホワイトニング）し、単位共分散およびゼロ平均を確保することで、数値的安定性を向上させる。
• 出力の時間微分の分散を最小化する線形結合を求める変分最適化問題を解く。
• 自明な定数解を避けるために、出力信号はゼロ平均および単位分散に制約を課す。
• 時間微分行列と共分散行列から導かれる一般化固有値問題の最小固有値に対応する固有ベクトルを計算することで、解を得る。
• 得られた出力信号は、スケーリングおよびオフセットを除き、真の駆動力に近似する。これは逆問題の本質的特性である。

実験結果

リサーチクエスチョン

• RQ1 スローフィーチャー分析（SFA）は、非定常時系列におけるゆっくり変化する駆動力を正確に推定できるか？
• RQ2 観測信号に加法的ノイズが存在する場合、SFAの耐性はどの程度か？
• RQ3 信号がカオス的または非定常的である場合、SFAは真の駆動力の形状をどの程度正確に回復できるか？
• RQ4 SFAは、システムパラメータの変化がまれまたは急激に発生する非定常性に対処できるか？
• RQ5 SFAは、再帰プロットやオーバーエンベッディングといった既存手法と比較して、駆動力推定においてどの程度優れた性能を示すか？

主な発見

• SFAは非定常時系列の駆動力を高い精度で推定でき、テント写像の例では真の駆動力と相関係数 r = 0.96 を達成した。
• ロジスティック写像では、推定値と真の駆動力の間の相関係数が r = 0.997 に達し、線形変換を除きほぼ完全な回復が示された。
• テント写像に50%のガウス白色ノイズを加えると、相関係数は r ≈ 0.71 に低下したが、依然として実用的であることが示された。
• ノイズへの感受性は低く、SFAは速やかに変化する成分（ノイズを含む）を内蔵的に抑制するため、遅い変化に焦点を当てる特性に起因する。
• シミュレーションにより、10%および20%のノイズレベル下でもSFAはノイズに強く、高い精度を維持していることが確認された。
• SFAは多次元出力により複数の駆動力への拡張が可能であるが、力が混合している場合には、ICAなどの追加手法を用いる必要がある場合がある。