文献

J-GLOBAL ID：202002262919085928   整理番号：20A1799855

マルチグラフ畳込みネットワークによるバイクフロー予測【JST・京大機械翻訳】

Bike flow prediction with multi-graph convolutional networks

著者 (3件)： Chai Di (Clustar, Beijing, China and Hong Kong University of Science and Technology, China) ,  Wang Leye (Peking University, Beijing, China and Hong Kong University of Science and Technology, China) ,  Yang Qiang (Hong Kong University of Science and Technology, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： SIGSPATIAL ’18  ページ： 397-400  発行年： 2018年 
JST資料番号： D0698C  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： バイク共有システムの管理における1つの基本的問題は,バイクフロー予測である。単一ステーションのための予測流動の硬度のために,最近の研究は,しばしばクラスタレベルの流動を予測する。しかし,それらは,駅レベルで細粒システム管理問題を直接誘導できない。本論文では,深層学習技法のブレークスルーを用いて予測精度を高めることを目的として,ステーションレベルバイクフロー予測の問題を再検討した。著者らは,キー新規性がグラフ展望からバイク共有システムを見るので,ステーションレベルで流れを予測するために,マルチグラフ畳込みニューラルネットワークモデルを提案した。より具体的には,異種間関係を反映するためにバイク共有システムのための多重グラフを構築する。その後,複数のグラフを融合し,畳み込み層を適用して,ステーションレベルの将来のバイクフローを予測した。現実的なバイクフローデータセットに関する結果は,著者らのマルチグラフモデルが,最大25.1%の予測誤差を減らすことによって,最先端の予測モデルを凌駕できることを証明した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  システムマネジメント ,  *ネットワーク ,  多重化 ,  クラスタ ,  鉄道駅 ,  硬度 ,  予測誤差 ,  予測モデル
準シソーラス用語： グラフモデル ,  予測精度 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (2件)： バイク流予測 ,  グラフ畳込みネットワーク

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： マルチ ,  グラフ ,  畳込み ,  バイク ,  フロー ,  予測