文献

J-GLOBAL ID：202002269086497804   整理番号：20A1509762

都市FMは細粒都市流を推測する【JST・京大機械翻訳】

UrbanFM Inferring Fine-Grained Urban Flows

著者 (8件)： Liang Yuxuan (Xidian University & National University of Singapore, Xi’an, China) ,  Ouyang Kun (National University of Singapore & SAP Machine Learning Applications, Singapore, Singapore) ,  Jing Lin (Xidian University, Xi’an, China) ,  Ruan Sijie (Xidian University & JD Intelligent Cities Research, Xi’an, China) ,  Liu Ye (National University of Singapore, Singapore, Singapore) ,  Zhang Junbo (JD Intelligent Cities Research & Southwest Jiaotong University, Beijing, China) ,  Rosenblum David S. (National University of Singapore, Singapore, Singapore) ,  Zheng Yu (JD Intelligent Cities Research, Xidian University, & Southwest Jiaotong University, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： KDD ’19  ページ： 3132-3142  発行年： 2019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： 都市フローモニタリングシステムは,世界中のスマート都市努力において重要な役割を果たす。しかし,CCTVのような監視装置のユビキタス配置は,保守と運用のために,長期持続性で莫大なコストを誘発する。これは,データ精度と粒度の退化を防止しながら,展開されたデバイスの数を減らすことができる技術の必要性を示唆する。本論文では,粗粒観測に基づいて,都市全体にわたるリアルタイムで細粒の群衆流を推論することを目的とした。この課題は,2つの本質的な理由,即ち,粗粒と細粒の都市流の間の空間相関,および外部影響の複雑性により,挑戦的である。これらの問題に取り組むために,深層ニューラルネットワークに基づく都市FMと題する方法を開発した。著者らのモデルは2つの主要部分から成る。1)特徴抽出モジュールと新しい分布アップサンプリングモジュールを用いて,粗粒入力から細粒流分布を生成する推論ネットワーク;2)一般的な融合サブネットは,異なる外部因子の影響を考慮することによって,性能をさらに高める。2つの実世界データセットに関する広範な実験は,著者らの方法の有効性と効率を検証し,この問題に関する最先端の性能を示した。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： ネットワーク ,  特徴抽出 ,  *都市 ,  監視装置 ,  有効性
準シソーラス用語： 複雑性 ,  実時間 ,  粗粒子 ,  サブネットワーク ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層学習 ,  時空間データ ,  都市コンピューティング

分類 (4件)： その他の情報処理  (JE15050M) ,  計測機器一般  (AD02000X) ,  無線通信一般  (ND08010L) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 都市 ,  Fm ,  細粒 ,  推測