초록
우리는 가우시안 프로세스(GPs)를 사용하여 시퀀스 데이터에서 학습하는 베이지안 접근법을 개발하였습니다. 이 접근법은 시그니처 커널을 공분산 함수로 사용하여 서로 다른 길이의 시퀀스를 비교할 수 있게 하며, 확률 해석학에서 도출된 강력한 이론적 결과에 의존할 수 있도록 합니다. 시그니처는 텐서를 통해 시퀀스 구조를 포착하지만, 이는 시퀀스 길이와 상태 공간 차원에 따라 비효율적으로 확장될 수 있습니다. 이를 해결하기 위해, 우리는 유도 텐서(inducing tensors)를 사용한 희소 변동 접근법을 제안합니다. 그런 다음, 이 접근법으로 얻어진 가우시안 프로세스를 LSTM 및 GRU와 결합하여 각 방법의 장점을 활용하는 더 큰 모델을 구축합니다. 이러한 GP 모델은 다변량 시계열(TS) 분류 데이터셋에서 벤치마킹됩니다. 코드는 https://github.com/tgcsaba/GPSig에서 제공됩니다.