文献

J-GLOBAL ID：202102252824696000   整理番号：21A0232572

異なるデータアベイラビリティ条件下における交通予測のための移動学習とオンライン学習:代替と落とし穴【JST・京大機械翻訳】

Transfer Learning and Online Learning for Traffic Forecasting under Different Data Availability Conditions: Alternatives and Pitfalls

著者 (3件)： Manibardo Eric L. (Basque Research and Technology Alliance (BRTA),TECNALIA,Derio,Bizkaia,Spain,48160) ,  Lana Ibai (Basque Research and Technology Alliance (BRTA),TECNALIA,Derio,Bizkaia,Spain,48160) ,  Del Ser Javier (Basque Research and Technology Alliance (BRTA),TECNALIA,Derio,Bizkaia,Spain,48160)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ITSC  ページ： 1-6  発行年： 2020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： 本研究は,不在データのシナリオにおける交通流予測モデルを開発するための移動学習(TL)の可能性を明らかにすることを目的とする。高品質予測モデルからの知識移転はTLパラダイムの下で実現可能になり,少数のデータで新しい適切なモデルの生成を可能にする。この能力を探るために,TL技術が交通予測のための深層学習(DL)法に適用される3つの異なるレベルのデータ不在シナリオを同定した。次に,従来のバッチ学習を,Madrid(スペイン)の都市会議によって管理された配置ループによって収集した実際の交通流データを用いて,TLベースのモデルに対して比較した。さらに,オンライン学習(OL)技術を適用し,そこでは,トラヒックフロー傾向変化に適応し,新しい入力トラヒックデータから漸増的に学習するために,各予測後に更新を行う。得られた実験結果は,交通流予測のための移動とオンライン学習の利点を明らかにし,関心のある位置における利用可能な訓練データ量とのそれらの相互作用に関する実用的洞察を描いた。Copyright 2021 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： 相互作用 ,  *学習 ,  交通流 ,  都市 ,  スペイン ,  *交通予測 ,  予測モデル
準シソーラス用語： 訓練データ ,  知識移転 ,  *オンライン学習 ,  高品質 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： アベイラビリティ ,  交通 ,  予測 ,  学習 ,  オンライン学習 ,  代替