抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
昨年にわたって,輸送コミュニティは,時空間予測のための新しい深層学習アプローチに関する大量の研究貢献を目撃した。これらの寄与は,空間相関のモデリングを強調する傾向があり,一方,人間の移動性パターンのかなり安定かつ再発性の性質を無視している。この短い論文では,平均週パターンと線形回帰に基づくナイーブベースライン法が,輸送における時空間予測のための多くの最先端の深層学習手法に匹敵する結果を達成し,また,いくつかのデータセットでそれらを凌駕し,従って,空間相関の重要性を持つデータにおける定常性と反復パターンの重要性を対比できることを示した。さらに,空間時間予測のための新しい手法を比較するのに使用できる9つの異なる基準ベンチマークを確立し,最良の実践と分野が取れる方向に関する議論を提供した。【JST・京大機械翻訳】