文献

J-GLOBAL ID：201702251773580615   整理番号：17A0278841

STF RNN:次の位置者を予測するための空間時間特徴ベースのリカレントニューラルネットワーク【Powered by NICT】

STF-RNN: Space Time Features-based Recurrent Neural Network for predicting people next location

著者 (3件)： Al-Molegi Abdulrahman (Smart Health Research Group, Universitat Rovira i Virgili, Spain) ,  Jabreel Mohammed (ITAKA Group, Universitat Rovira i Virgili, Spain) ,  Ghaleb Baraq (School of Computing, Edinburgh Napier University, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： SSCI  ページ： 1-7  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： GPSデバイス検層から得られた移動度パターンに基づく人次の移動を予測するための空間時間特徴ベースのリカレントニューラルネットワーク(STF RNN)と呼ばれる新しいモデルを提案した。モデル操作,すなわち,収集されたGPSデータとも関連するタイムスタンプから抽出した時間から抽出した空間に関与する二つの主要な特徴。空間および時間特徴の内部表現は,提案したモデルよりもむしろ手細工表現に自動的に抽出した。これはモデルがより効率的な方法で人々の態度についての有用な知識を発見することを可能にする。配列を表現するためにRNN構造の能力のために,ユーザの移動履歴の軌道を維持するために,提案したモデルで利用されている。これらの飛跡は,モデルがより意味のある依存性を発見と結果に役立ち,モデル性能を強化した。結果は,Geoライフプロジェクトからの大きな実生活データセットに適用した場合,STF RNNモデルは,現在の最先端のモデルと比較者の次の位置を予測する良好な改善を提供することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 移動度 ,  *GPS
準シソーラス用語： *GPS【位置決め】 ,  タイムスタンプ ,  GPSデータ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  符号理論  (ND02030R)

タイトルに関連する用語 (4件)： STF ,  RNN ,  予測 ,  リカレントニューラルネットワーク