文献

J-GLOBAL ID：201902288128691666   整理番号：19A2878836

グラフ上の行列完備化を用いた大規模交通データ補完【JST・京大機械翻訳】

Large-scale Traffic Data Imputation Using Matrix Completion on Graphs

著者 (3件)： Han Tianyang (University of Tokyo,Graduate School of Engineering,Tokyo,Japan,113-8656) ,  Wada Kentaro (University of Tokyo,Institute of Industry Science,Tokyo,Japan,153-8505) ,  Oguchi Takashi (University of Tokyo,Institute of Industry Science,Tokyo,Japan,153-8505)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ITSC  ページ： 2252-2258  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： 不完全なデータは,データ駆動知能輸送システムにおいて一般的で避けられない。時間空間情報を利用する方法がまだ議論されている間,いくつかの研究がある。本論文では,グラフ上の行列完了に基づくインimpアルゴリズムを提案した。適切な推定行列を導出するために,時間的および空間的依存性をグラフとして考慮した。グラフの滑らかさを正則化項として目的関数に加えた。次に,大規模な交通データの事例における最適化を解決するために,発見的方法を提案した。反復を通して,低ランク,観測誤差,および時間的および空間的グラフの滑らかさを最小化した。不完全データにおける欠落は,推定マトリックスにおける対応するエントリーによって回復することができた。数値実験において,この方法を東京都の高速道路検出器データに適用した。提案した方法は速度と体積データの両方に適用できることを示した。さらに,異なる欠落パターンにおける衝突性能を検討した。ベースライン行列完了法とテンソルベースの方法と比較して,著者らの方法はより高い全体的精度を達成した。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： 最適化 ,  検出器 ,  発見的方法 ,  交通システム ,  平滑度 ,  基準線 ,  高速道路 ,  東京都 ,  アルゴリズム ,  テンソル ,  目的関数 ,  *正則化
準シソーラス用語： 数値実験 ,  データ駆動 ,  *交通データ , 【Automatic Indexing@JST】

分類 (4件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K) ,  図形・画像処理一般  (JE04010I) ,  信号理論  (ND02020G)

タイトルに関連する用語 (5件)： グラフ ,  行列 ,  大規模 ,  交通データ ,  補完