如何基于CNN和三重损失函数,学习位置嵌入.pdf_位置嵌入资源-CSDN文库

版权申诉

114 浏览量 2023-03-22 19:57:20 上传评论收藏 53KB PDF 举报

资源推荐

资源详情

资源评论

如何基于 CNN 和三重损失函数，学习位置嵌入

编者按：Sentiance 首席数据科学家 Vincent Spruyt 介绍了如何基于 CNN 和三

重损失函数，学习位置嵌入。

在 Sentiance，我们开发了一个平台，从智能手机感知数据（加速度传感器、陀螺仪、位置

信息等）中提取行为学的洞见。我们的 AI 平台学习用户模式，能够据此预测和解释事件

何时、为何发生，让我们的客户能够更好地辅助其用户，在合适的时间，以合适的方式接

触用户。

这一平台的一个重要组件是地点映射算法。地点映射的目标是根据位置测量得出当前访问

的地点，位置测量来自智能手机的位置子系统，经常不够精确。

左：估计用户实际访问的相邻地点；右：快速丢弃可能性不大的地点，例如海滩上的救生

站

尽管地点映射本身就是一个困难的问题，足以专门写一篇博客，人类的直觉能在很大程度

上帮助解决这一问题。考虑上图中访问圣莫尼卡海滩的例子。稍微一瞥周边地点，就能得

出结论，用户真去访问一个救生站的几率大概非常小。

事实上，仅仅只是查看某一区域的地图，人类常常能够快速丢弃可能性不大的地点，并形

成关于实际发生的情况的先验信念。地点在工业区，公园，海滩旁，市中心，公路旁？

为了在我们的地点映射算法中加入类似的直觉，我们开发了一个基于深度学习的方案，经

训练后可以编码地理空间关系和语义相似性，描述位置的周边。

编码器输出的嵌入捕捉了输入位置的高层语义

编码器转换位置为分布表示，类似用于自然语言的 Word2Vec。这些嵌入位于一个度量空

间之中，因而遵循代数规则。以词嵌入为例，我们可以推断单词相似性，甚至直接在嵌入

空间中进行算术运算，例如“国王 - 男人 + 女人 = 王后”。

接下来我们将讨论，如何设计一个方案，将位置坐标映射至让我们可以进行类似操作的度

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余0页未读，立即下载

内容反馈

版权申诉

คิดถึง643

粉丝: 3930
资源: 1万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip