抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
犯罪は,米国では主要社会問題となっている,公共の安全を脅かすと経済を破壊した。犯罪活性のパターンを理解することは,将来の高リスク犯罪の予測「ホットスポット」を可能にし,より効果的に事故に対する予防または対応する職員を割り当てるための警察境内を可能にした。犯罪発生を追跡する詳細なデータの収集と蓄積のために状態と組織の能力により,空間的および時間的情報を用いたデータのかなりの量を収集した。地域犯罪率を正確に予測する大量の空間的-時間的情報の利点の使い方必要になっている。リカレントニューラルネットワークモデルが広く時系列における時間的パターンを検出するための有効であることを証明した。本研究では,空間情報を埋め込むと犯罪ホットスポットを正確に予測する空間-時間ニューラルネットワーク(STNN)を提案した。2016年12月の末まで2012年3月から5年間のオレゴン州ポートランド警察局(PPB)により提供された呼のサービスデータを用いてモデルを評価した。STNNモデルは古典的な機械学習アプローチといくつかの代替ニューラルネットワークアーキテクチャの数よりも優れていることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】