文献

J-GLOBAL ID：202002211996992330   整理番号：20A1375125

深さ畳込み記憶ネットワーク時空間データモデル【JST・京大機械翻訳】

Deep Spatio-temporal Convolutional Long-short Memory Network

著者 (3件)： Qin Chao (西北工業大学電子信息学院 西安710100) ,  Gao Xiaoguang (西北工業大学電子信息学院 西安710100) ,  Wan Kaifang (西北工業大学電子信息学院 西安710100)
資料名： Zidonghua Xuebao  (Zidonghua Xuebao)
巻： 46  号： 3  ページ： 451-462  発行年： 2020年 
JST資料番号： C2134A  ISSN： 0254-4156  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 時空間データは時間と空間属性を含むデータタイプである。空間時間データモデルを設計するために,時空間データモデルを設計し,時間と空間間の関係を処理し,情報オブジェクトの時間と空間変化による挙動状態の変化の傾向を得た。交通情報データは典型的な時空間データであり、交通ネットワークの複雑性と多変性、及び時間と空間との強い結合性により、従来のシステムシミュレーションとデータ分析方法はデータ間の関係を有効に得られない。本論文では、交通データにおける近傍空間属性情報の処理を通じて、従来の時空間データモデルから時間属性にのみ注目して、モデルの短時間間隔データ予測能力が不足する問題について解決し、将来情報を予測する能力を高める。本論文では,新しい時空間データモデルである深さ畳込み記憶ネットワークを提案した。深さ畳込み記憶ネットワークは畳込みニューラルネットワークと長い短時間記憶ネットワークを含む多次元ネットワーク構造であり、データの時間と空間属性情報を抽出でき、周期と鏡像特徴抽出モジュールを加えることでネットワークを修正できる。2種類の典型的な時空間データセットに対する検証を通じて、深度畳込み記憶ネットワークが短い時間間隔のデータ情報を予測する際に、従来の時空間データモデルに比べ、予測誤差が大幅に低減されるだけでなく、モデルの訓練速度も向上することが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  *ネットワーク ,  特徴抽出 ,  交通情報 ,  システムシミュレーション ,  輸送網 ,  ネットワーク構造 ,  データ解析 ,  高次元 ,  連結性 ,  *データモデル ,  データ型 ,  予測誤差
準シソーラス用語： 複雑性 ,  *時空間データ , 【Automatic Indexing@JST】

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (3件)： 畳込み ,  時空間 ,  データモデル