- 博客(21)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 论文阅读-地理感知顺序位置推荐
Sur1u→r2u→⋯→rnuSur1u→r2u→⋯→rnu其中，riuutilipiriuutilipi代表用户在时间tit_iti访问某一经纬度的位置。本文所研究的问题是根据当前轨迹信息预测下一个位置。
2023-03-21 22:56:56
310
1
原创 论文解读-How Do We Move: Modeling Human Movement with System Dynamics
这是一篇通过GAN和系统动力学对人类移动进行建模的论文。
2022-03-11 16:54:03
1180
原创 论文解读-The TimeGeo modeling framework for urban mobility without travel surveys
作者在这篇文章中提出了一个机械建模框架TimeGeo，该模型可以生成城市交通模式。它将从数据中推断出的家庭和工作活动位置联系在一起，通过对灵活的活动就行建模。访问位置的时间选择由每周家庭旅游次数、停留率和突发率三个特征来决定。这些特征可以生成每个个体的活动持续时间、每天访问的地点数量、日常移动网络。访问位置的空间选择由基于rank的探索和优先回报机制（r-EPR）建模，该机制将空间纳入EPR模型。最后，我们展示了分层乘法级联方法可以测量土地利用和出行产生之间的相互作用。这样，城市结构与观察到的出行距离直
2022-03-04 17:35:05
600
原创 论文解读-SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient
本文是上海交通大学张伟楠教授发表的一篇关于使用基于策略梯度的GAN来生成轨迹的文章，文章称作为一种训练产生式模型的新方法，产生式对抗性网络(GAN)利用判别模型指导产生式模型的训练，在生成实值数据方面取得了相当大的成功。然而，GAN在生成实值数据方面也存在不少的问题，例如1）产生式模型的离散输出使得从判别模型到产生式模型的梯度更新很难通过。2）判别模型只能评估完整的序列，而对于部分生成的序列，一旦整个序列生成后，平衡其当前分数和未来分数是非常困难的。本文提出了一个序列生成框架SeqGAN来解决问题，将数据
2022-02-27 15:49:34
2409
原创 论文解读-A Non-Parametric Generative Model for Human Trajectories
在本文中，提出了一个非参数的位置轨迹生成模型，可以捕捉人类移动的高阶地理和语义特征。我们设计了一种简单、直观而有效的位置轨迹嵌入方法，并使用生成式对抗网络在该空间中产生数据点，这些数据点最终将被转换回顺序位置轨迹形式。Introduction在本文中，我们提出了一个非序列非参数生成模型的人体轨迹。我们假设位置被离散化，并且所考虑区域的地图被建模为二维矩阵，其中矩阵的每个元素对应于一个位置。我们以这样的矩阵形式展平并嵌入轨迹，其中每个单元包含在给定轨迹中访问该单元的时间和持续时间的信息。这可以被可视化为地
2022-02-25 17:17:55
586
原创 论文解读-DeepMove: Predicting Human Mobility with Attentional Recurrent Networks
这是2018年发表的一篇论文，该论文提出了用于从长而稀疏的轨迹预测移动性的注意力递归网络。在DeepMove中，1）我们首先设计了一个多模态嵌入递归神经网络，通过联合嵌入控制人类移动的多个因素来捕获复杂的顺序转换。2）然后，我们提出了一个具有两种机制的历史注意模型，以一种原则的方式捕获多级周期性，该模型有效地利用周期性来增强用于移动性预测的递归神经网络。
2022-02-22 18:35:32
2745
原创 论文解读-MTrajRec: Map-Constrained Trajectory Recovery via Seq2Seq Multi-task Learning
本篇文章提出了一个轨迹回复的seq2seq模型，用于恢复轨迹中的细粒度点，并以端到端的方式在道路网络上进行地图匹配。Introduction轨迹的采样率对基于轨迹的各种应用有着重要的作用，然而由于能耗的影响，有着大量的低采样率的轨迹，为了有效的利用这些轨迹，我们需要回复这些轨迹，恢复之后还需要与路网完成匹配。传统的方法是基于两级流水线的。神经网络的兴起为我们提供一个端到端的方法提供了机会。主要的挑战如下，（1）地图限制。（2）粗糙网格表示。（3）多样复杂的因素。本文的贡献如下：（1）尝试通过Seq2
2022-01-28 11:45:37
2105
原创 论文解读-Multimodal Deep Generative Models for Trajectory Prediction: A Conditional Variational Autoenco
本文是一篇关于用户行为预测方向的文章，本文提出了一个条件变分的自动编码器（CVAE），来进行用户的行为预测，该模型基于过去的交互信息和机器人未来的候选动作，产生人类未来轨迹的多模态分布。该文章对当前最先进的人类行为预测模型进行了回顾和分类，同时对CVAE模型的提出进行了简单的阐述。Introductiom作者指出为了让robot模拟人类的行为，有两种建模方式，一种的无模型的方法，是直接依靠端对端的方式从海量的数据中学习人类的行为。另一种是基于模型的方法，它注重于模型学习和策略构建之间的关联——以交互动力
2022-01-11 12:33:54
2545
原创 论文解读-Activity Sequence Generation Using Universal Mobility Patterns
这是2021年发表在SAGE上的一篇文章。先前的研究发现不同区域的活动序列呈现出Zip’s分布，这篇论文旨在发现其背后的机制。该模型包含很少的可调参数，且没有输入参数。序列的生成基于两个顺序抽样：1）活动数量2）活动类型。导言现有的交通模型复杂且对数据的要求高。这个模型提出了一种观点，减少对数据和应用的依赖。基于两类采样，作者提出了一种活动序列生成机制，该模型不需要输入数据，并且只有很少的参数。在此论文中，作者提出两个分布的序列采样可以生成序列分布，其等级位置和原分部很相似，最重要的是，它只需要知道很
2022-01-05 20:33:38
522
原创 论文解读-A Deep Gravity model for mobility flows generation
A Deep Gravity model for mobility flows generatio本文是2021年发表于nature communication上的一篇文章。文章提出了一个deep gravity 模型来生成移动轨迹，并且该模型考虑了从地理数据中抽取的多种特征，使用深度神经网络来学习特征和移动流之间的关系。引言最近几年，人类移动的行为引起了很大的研究兴趣，它关注人类生活的方方面面。人类移动建模在各个研究领域也有很大的应用。流生成问题是具有挑战性的，该问题需要在没有关于流的历史信息的情况
2021-12-20 20:59:09
2461
2
原创 排序
一、冒泡排序方法一void Bubble_Sort(int a[],int len) { for (int i = 0;i < len - 1;i++) { for (int j = 0;j < len - 1 - i;j++) { if (a[j] > a[j + 1]) { int temp = a[j]; a[j] = a[j + 1]; a[j + 1] = temp; } } }}方法二（优化）设置一个标志，每次外层循环
2021-02-07 23:20:43
167
山东大学2018级人工智能新工科实验班《自然语言处理》课程复习资料
2022-03-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人