文献

J-GLOBAL ID：201702257271200747   整理番号：17A1646982

オンライン自動車hailing配分火花に及ぼす深い需給ギャップ予測【Powered by NICT】

Online car-hailing dispatch: Deep supply-demand gap forecast on spark

著者 (2件)： Li Ji (College of Computer Science, Chongqing University, Chongqing, China) ,  Wang Zhen (College of Computer Science, Chongqing University, Chongqing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICBDA  ページ： 811-815  発行年： 2017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： オンライン自動車hailing配分のために,需給ギャップを予測するための長い短期記憶ニューラルネットワーク(LSTMと呼ばれる)を提案した。モデルギャップ揮発性深層ネットワークを適用し,気象情報,交通条件と関心事(POI)データの点だけでなく,十二以前の収益を組み込んだ新しい発想である。著者らが知る限り,本論文では,オンライン自動車hailingスケジューリングのための実時間インターネットデータとLSTMを訓練するための最初の試みである。Spearman順位相関と相互情報量はデータセットを生成するために使用した。研究は,ドロップアウト関数を用いると過剰適合を避けるために訓練前データセットをシャッフルする。主アルゴリズムは分散するとしてLSTMモデルは,分散メモリ計算プラットフォーム上で訓練した。火花クラスタ上で訓練された後,モデルは27.3%,少なくとも36.8%による自己回帰GARCHとARIMAベンチマークよりもはるかに良好で平均絶対百分率誤差を達成した。インターネット実時間でのデータと需給予測をする深層学習モデルを適用し著者らのパイロット調査報告が強い約束,分散メモリ計算は本研究でLSTMニューラルネットワークの訓練速度とモデル化能力を改善するために非常に有効であった。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： *自動車 ,  *予測 ,  モデリング ,  インターネット ,  相互情報量 ,  アルゴリズム ,  ニューラルネットワーク ,  ベンチマーク ,  分散メモリ ,  パイロット試験 ,  スケジューリング
準シソーラス用語： 深層学習 ,  実時間 ,  *需給 ,  *オンライン , 【Automatic Indexing@JST】

分類 (3件)： システム同定  (IA02040O) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： オンライン ,  自動車 ,  配分 ,  火花 ,  需給 ,  ギャップ ,  予測