文献

J-GLOBAL ID：201802274838573724   整理番号：18A1346421

半教師付き極端学習機械に基づく都市交通混雑評価【JST・京大機械翻訳】

Urban Traffic Congestion Evaluation Based on Kernel the Semi-Supervised Extreme Learning Machine

著者 (3件)： Shen Qing (University of Science and Technology Beijing, Beijing 100083, China) ,  Ban Xiaojuan (University of Science and Technology Beijing, Beijing 100083, China) ,  Guo Chong (University of Science and Technology Beijing, Beijing 100083, China)
資料名： Symmetry (Web)  (Symmetry (Web))
巻： 9  号： 5  ページ： 70  発行年： 2017年 
JST資料番号： U7282A  ISSN： 2073-8994  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 交通データ量とユニット情報量の間には常に非対称現象がある。ラベルされたデータはより効果的であるが,不十分であるが,ラベルされていないデータは大きいが,サンプル情報においてより弱い。都市輸送評価システムにおいて,半教師つき極端学習機械(SSELM)は,手動で観測されたデータと広範囲に収集されたデータを,混雑状態と道路情報の間の接続を構築するために共同的に収集することができる。著者らの方法において,半教師つき学習は,小規模ラベル付きデータと大規模ラベル付けデータの両方を統合することができるので,それらはそれぞれの利点を果たすことができる。一方,ELMは高速で大規模データを処理することができる。カーネル関数によって最適化されて,Kernel-SSELMは,元のSSELMより高い分類精度とロバスト性を達成することができた。実験とリアルタイム応用の両方は,評価システムが正確に交通条件を反映することができることを示した。Copyright 2018 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *都市交通 ,  非対称性 ,  情報量 ,  高速度 ,  *交通混雑 ,  小規模 ,  ロバスト性
準シソーラス用語： Kernel関数 ,  分類精度 ,  評価システム ,  道路情報 ,  実時間 ,  半教師つき学習 ,  *極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (4件)： 交通混雑評価 ,  カーネルSSELM ,  非対称データ ,  協調学習

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

引用文献 (27件)：

• Gu, J.; Zhou, S.H.; Yan, X.P.; Deng, L.F. Formation Mechanism of Traffic Congestion in View of Spatio-temporal Agglomeration of Residents’ Daily Activities: A Case Study of Guangzhou. Sci. Geogr. Sin. 2012, 32, 921-927.
• Wen, H.; Sun, J.; Zhang, X. Study on Traffic Congestion Patterns of Large City in China Taking Beijing as an Example. Procedia Soc. Behav. Sci. 2014, 138, 482-491.
• Liu, R.; Hu, W.P.; Wang, H.L.; Wu, C. The Road Network Evolution Analysis of Guangzhou-Foshan Metropolitan Area Based on Kernel Density Estimation. In Proceedings of the International Conference on Computational and Information Sciences, Chengdu, China, 17-19 December 2010; pp. 316-319.
• Kong, Q.J.; Zhao, Q.; Wei, C.; Liu, Y. Efficient traffic state estimation for large-scale urban road networks. IEEE Trans. Intell. Transp. Syst. 2013, 14, 398-407.
• Batool, F.; Khan, S.A. Traffic estimation and real time prediction using Ad Hoc networks. In Proceedings of the IEEE Symposium on Emerging Technologies, Catania, Italy, 18 September 2005; pp. 264-269.

タイトルに関連する用語 (5件)： 教師 ,  極端学習機械 ,  都市 ,  交通混雑 ,  評価