文献

J-GLOBAL ID：201902213679201482   整理番号：19A1962694

STAR:都市全体の人間のモビリティ予測のための簡潔な深層学習フレームワーク【JST・京大機械翻訳】

STAR: A Concise Deep Learning Framework for Citywide Human Mobility Prediction

著者 (2件)： Wang Hongnian (Sichuan Normal University) ,  Su Han (Sichuan Normal University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： MDM  ページ： 304-309  発行年： 2019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： 都市における人間の移動度予測は,輸送と公共の安全性に最も重要であるが,都市化のプロセスと大規模データの生成により,移動パターンの集中的な計算と決定が困難になっている。本研究では,より簡単な解を介して,広い人間の移動度を予測する精度と効率を改善する方法に焦点を当てた。単一完全畳込み残差ネットワーク(STAR)に基づく時空移動度イベント予測フレームワークを提案した。星は,移動度イベントを表す単一テンソルを学習するための非常に簡単で,一般的で効果的な方法である。深いネットワークを訓練するために,残差学習を利用して,広い予測のシナリオのための詳細な結果を引き出した。実世界のデータに関する広範なベンチマーク評価結果は,STARが,より少ないパラメータを利用し,より高い効率を達成しながら,単一および多段階予測において最先端の手法より優れていることを実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 安全性 ,  *学習 ,  ベンチマーク ,  ネットワーク ,  畳込み ,  *移動度 ,  テンソル ,  *都市 ,  都市化 ,  残差 ,  *予測
準シソーラス用語： 人間の移動 ,  大規模データ ,  *深層学習 , 【Automatic Indexing@JST】

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  電話・データ通信・交換一般  (ND11010T) ,  その他の情報処理  (JE15050M) ,  移動通信  (ND08030H)

タイトルに関連する用語 (7件)： StAR ,  都市 ,  人間 ,  モビリティ ,  予測 ,  深層学習 ,  フレームワーク