没有合适的资源?快使用搜索试试~ 我知道了~
时空数据论文短期调研报告1
需积分: 0 0 下载量 191 浏览量
2022-08-03
14:12:26
上传
评论
收藏 283KB PDF 举报
温馨提示
试读
2页
1.背景随着机器学习和深度学习的发展,已经能够在很多领域达到甚至超过人类的水准,也有很多领域在积极地融合深度学习,希望借助深度学习实现产业革命。归根结底,深度学
资源推荐
资源详情
资源评论
时空数据论文短期调研报告
袁铭潮
1. 背景
随着机器学习和深度学习的发展,已经能够在很
多领域达到甚至超过人类的水准,也有很多领域在积
极地融合深度学习,希望借助深度学习实现产业革命。
归根结底,深度学习是基于数据的,正是因为大数据时
代的来临才有了深度学习的蓬勃发展。
从简单的数字,到文本和图像,机器学习已经能够
很好的处理很多类型的数据,并从中进行学习我们所
需要的知识。在很多较为复杂的数据上,深度学习目前
并不能表现的像简单数据上那么优秀,时空数据就是
复杂数据中的一类。
时空数据是包含了时间属性和空间属性的数据,对
于时空数据,我们需要学习到其中包含的时间关联和
空间关联,借助这两大属性完成很多复杂环境下的任
务。
2. 研究现状
传统的对于时空数据的处理是以数据挖掘的方式
进行的,主要的方式为:(1)统计学方法;(2)关联规
则挖掘;(3)决策树方法;(4)神经网络方法;(5)多层
次数据汇总归纳等。并在各领域根据自身应用特点提
出了不少数据模型以满足不同领域的需求,这是今后
研究过程中能够借鉴使用的。
对于时空数据的类型主要分为一下几类:(1)数值
型序列:即传统意义上的狭义的时间序列,其构成元素
是数值型的; (2)事务型序列:其构成元素是事务型
的; (3)事件型序列:其构成元素是事件。
数据挖掘方向的其他技术对于深度学习借鉴意义
不大,但数据的预处理是相同的。数据预处理流程与普
通数据相仿,常用技术有数据清洗、数据合成、数据变
换和数据消减等。
同样,时空数据挖掘所适用的应用同样适用深度
学习来解决,大致分为环境与交通、基于位置的服务以
及人体运动时空模式挖掘等等。目前,也有很多团队在
使用基于时空数据的深度学习在进行尝试。
近两周,调研了 AAAI2019、ICLR2019、NIPS2019
所接受的论文中时空数据方向的论文,其中 AAAI2019
相关论文数量为 12 篇左右,ICLR2019 接受的论文中
并没有找到相关论文,而 NIPS2019 也只找到了 3 篇。
可见对于时空数据与深度学习相结合的方向的研究并
不多。
3. 时空数据预测交通流的应用
这是根据来自 AAAI2019 的论文,由北京交通大
学的团队所发表。他们的研究提出了一种基于注意力
的时空图卷积网络,并应用在交通流量的预测上,仅从
效果上看是全方位的超越了 LSTM、STGCN 等目前比
较热门的网络模型,当然他们所设计的网络模型根据
交通数据的特点进行了优化。
图 1. 基于注意力的时空图卷积网络模型
首先,他们对数据的时间特性和空间特性进行分
1
资源评论
蓝洱
- 粉丝: 23
- 资源: 316
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功