文献

J-GLOBAL ID：202202237329166991   整理番号：22A0772093

注意ベース双方向LSTMネットワークによる旅行発注量予測【JST・京大機械翻訳】

Travel order quantity prediction via attention-based bidirectional LSTM networks

著者 (4件)： Yang Fei (School of Computer Science, Wuhan University, Wuhan, China) ,  Zhang Huyin (School of Computer Science, Wuhan University, Wuhan, China) ,  Zhang Huyin (Key Laboratory of Urban Land Resources Monitoring and Simulation, Ministry of Natural Resources, Shenzhen, China) ,  Tao Shiming (School of Computer Science, Wuhan University, Wuhan, China)
資料名： Journal of Supercomputing  (Journal of Supercomputing)
巻： 78  号： 3  ページ： 4398-4420  発行年： 2022年 
JST資料番号： T0418A  ISSN： 0920-8542  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 交通流予測は交通ネットワークにおいて非常に挑戦的なタスクである。旅行順序量予測は,交通流の解析にとって大きな価値であった。しかし,旅行順序の数は時間に密接に関連し,短期近接性と長期循環依存性をもたらす。したがって,従来の方法を用いて旅行順序量を予測することは難しい。長期および短期相関の両方を捕捉するため,本論文では,双方向長短期メモリ(BLSTM)層と注意層から成る注意ベース双方向長短期メモリネットワーク(AT-BLSTM)モデルを提案した。BLSTM層は前方と後方の長い短期メモリ(LSTM)を含み,それは前方と後方出力を結合する新しい方法を使用する。注意層は,特徴間の相関に従って異なる重みを割り当てるために,新しい自己注意アルゴリズムを利用する。この場合,AT-BLSTMは,他の時系列モデルよりも正確に旅行順序量を予測することができる。例えば,AT-BLSTMは最低MAE(0.0647),最低RMSE(0.0836)及び最低MAPE(0.1239)をデータセットXuyingの全ての方法の中で達成した。実世界旅行データセットに関する広範な実験は,提案したアプローチが最先端の方法に適合するか,または凌ぐという証拠を提供する。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  記憶装置 ,  出力 ,  特性 ,  交通流 ,  *ニューラルネットワーク ,  *旅行 ,  輸送網
準シソーラス用語： 近接性 ,  時系列モデル ,  LSTMネットワーク ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (6件)： 交通流 ,  旅行発注量 ,  LSTM ,  注意機構 ,  AT-BLSTM ,  時系列

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (6件)： 注意 ,  双方向 ,  LSTMネットワーク ,  旅行 ,  発注 ,  予測