Neurogica 兩篇論文入選訊號處理頂級會議 ICASSP 2026 口頭發表

Neurogica Inc.（總部：東京都澀谷區，代表董事：Aidan Zephyr Peak）宣布，公司有兩篇論文獲選於 ICASSP 2026（預計於西班牙巴塞隆納舉行）進行口頭發表。該會議是音訊、聲學、訊號處理及其相關領域中最具權威的國際會議之一。此次獲選的兩篇論文分別為：實現多變量時間序列預測精度提升的「DecompSSM」，以及能從 PPG（光電容積脈波）重建多項生命徵象的「PENGUIN」。兩者皆被選為「Oral（口頭發表）」。關於 ICASSP：「ICASSP (International Conference on Acoustics, Speech, and Signal Processing)」是由 IEEE Signal Processing Society 主辦，是訊號處理及其應用領域全球規模最大的國際會議之一。僅有通過嚴格審查的論文才能獲選。獲選論文概要：1. 多變量時間序列預測模型「DecompSSM」。論文題目：A Decomposition-based State Space Model for Multivariate Time-series Forecasting。作者：長嶋隼矢、鈴木駿太郎、小山修生、平野愼之助。研究成果：氣象、電力、金融等數據因混合了長期趨勢、週期性變動與不規則雜訊，預測難度極高。本研究提出「DecompSSM」，利用深度狀態空間模型（SSM）將數據分解為「趨勢、季節性、殘差」進行學習。該 AI 模型在處理複雜相關性的時間序列數據分析中，達到了超越傳統 AI 模型的預測精度。2. 生命徵象重建框架「PENGUIN」。論文題目：PENGUIN: General Vital Sign Reconstruction from PPG with Flow Matching State Space Model。作者：鈴木駿太郎、小山修生、平野愼之助、長嶋隼矢。研究成果：智慧手錶測量的 PPG 訊號成本低，但易受體動等雜訊影響。本研究設計了將「流匹配（Flow Matching）」整合至狀態空間模型的「PENGUIN」。這使得從易受雜訊干擾的 PPG 訊號中，能高精度還原心電圖、動脈血壓、呼吸狀態等連續波形。此技術有望提升穿戴式裝置進行連續健康監測的可靠性。未來展望：此次發表的「DecompSSM」與「PENGUIN」技術，預計將有助於提升醫療保健產品的功能及工業數據的預測精度。Neurogica 將持續致力於 AI 模型開發，為解決現實社會問題提供具體解決方案。