私たちは、ガウス過程（Gaussian processes: GPs）を用いてシグネチャーカーネルを共分散関数として使用することで、逐次データからの学習に対するベイジアンアプローチを開発しました。これにより、異なる長さのシーケンスを比較可能にし、確率解析の強力な理論的結果を利用することができます。シグネチャーは、シーケンスの長さや状態空間の次元が不利に働く可能性のあるテンソルによって逐次構造を捉えます。この問題に対処するため、誘導テンソルを使用した疎変分アプローチを導入しました。その後、得られたGPをLSTMおよびGRUと組み合わせて、各手法の長所を活用する大規模なモデルを構築し、多変量時系列（Time series: TS）分類データセットでその性能を評価しました。コードは https://github.com/tgcsaba/GPSig で公開されています。