論文の概要: On the Inclusion of Spatial Information for Spatio-Temporal Neural Networks

• arxiv url: http://arxiv.org/abs/2007.07559v2
• Date: Fri, 2 Oct 2020 13:12:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 04:52:41.326977
• Title: On the Inclusion of Spatial Information for Spatio-Temporal Neural Networks
• Title（参考訳）: 時空間ニューラルネットワークのための空間情報の包含について
• Authors: Rodrigo de Medrano, Jos\'e L. Aznarte
• Abstract要約: 空間的近接性、隣接性、相関性に基づいてニューラルネットワークのアーキテクチャを定義することは一般的である。 一般的な方法として、もし空間情報が入手できない、あるいはモデルを導入するのにコストがかかりすぎる場合、モデルに余分なステップに依存しないものとして学習することが挙げられる。 以上の結果から,従来の空間情報の典型的含みは,ほとんどの場合,必ずしも必要ではないことが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When confronting a spatio-temporal regression, it is sensible to feed the model with any available prior information about the spatial dimension. For example, it is common to define the architecture of neural networks based on spatial closeness, adjacency, or correlation. A common alternative, if spatial information is not available or is too costly to introduce it in the model, is to learn it as an extra step of the model. While the use of prior spatial knowledge, given or learnt, might be beneficial, in this work we question this principle by comparing spatial agnostic neural networks with state of the art models. Our results show that the typical inclusion of prior spatial information is not really needed in most cases. In order to validate this counterintuitive result, we perform thorough experiments over ten different datasets related to sustainable mobility and air quality, substantiating our conclusions on real world problems with direct implications for public health and economy.
• Abstract（参考訳）: 時空間回帰に直面する場合、空間次元に関する任意の事前情報をモデルに供給することは賢明である。 例えば、空間的近接性、隣接性、相関性に基づくニューラルネットワークのアーキテクチャを定義するのが一般的である。 共通の選択肢は、もし空間情報が利用できなかったり、モデルに導入するには費用がかかりすぎる場合、モデルの余分なステップとして学習することである。 事前の空間知識の使用は、与えられたか学習されたかは有用であるが、この研究では、空間非依存ニューラルネットワークと芸術モデルの状態を比較することによって、この原理を疑問視する。 その結果,多くの場合,先行的な空間情報の包含は必ずしも必要ではないことがわかった。 この逆直感的な結果を検証するため、持続可能なモビリティと空気質に関する10種類のデータセットに対して徹底的な実験を行い、公衆衛生と経済に直接影響する現実世界の問題に関する結論を裏付ける。

関連論文リスト

• Probing the Information Theoretical Roots of Spatial Dependence Measures [3.661228054439679]
  空間依存度とエントロピーの情報理論測度との間には関係がある。 自己情報レンズによる空間自己相関の理論的根源を探る。
  論文  参考訳（メタデータ） (2024-05-28T17:44:35Z)
• Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.68088298632865]
  HMP(Human Motion Prediction)はその多種多様な応用により、人気のある研究トピックとして浮上している。 従来の手法は手作りの機能と機械学習技術に依存している。 HMPのためのインクリメンタル情報を用いた時空間分岐ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-08-02T12:04:28Z)
• Dynamic Graph Neural Network with Adaptive Edge Attributes for Air Quality Predictions [12.336689498639366]
  本稿では,メッセージパッシングネットワーク上での適応エッジ属性(DGN-AEA)を用いた動的グラフニューラルネットワークを提案する。 エッジを確立するための事前情報とは異なり、事前情報なしでエンドツーエンドのトレーニングを通じて適応的なエッジ情報を得ることができる。
  論文  参考訳（メタデータ） (2023-02-20T13:45:55Z)
• An Adaptive Federated Relevance Framework for Spatial Temporal Graph Learning [14.353798949041698]
  本稿では,空間時間グラフ学習のための適応型フェデレーション関連フレームワークであるFedRelを提案する。 フレームワークのコアとなるDynamic Inter-Intra Graph (DIIG)モジュールは、これらの機能を使用して空間時間グラフを生成することができる。 局所的なデータプライバシーを維持しながらモデルの一般化能力と性能を向上させるため、関連性駆動型フェデレーション学習モジュールを設計する。
  論文  参考訳（メタデータ） (2022-06-07T16:12:17Z)
• Unraveled Multilevel Transformation Networks for Predicting Sparsely-Observed Spatiotemporal Dynamics [12.627823168264209]
  疎分散データサイトからのデータを用いて未知のダイナミクスを予測するモデルを提案する。 合成気候データと実世界の気候データの両方を用いて、我々のアプローチの利点を実証する。
  論文  参考訳（メタデータ） (2022-03-16T14:44:05Z)
• An explainability framework for cortical surface-based deep learning [110.83289076967895]
  我々は,皮質表面の深層学習のためのフレームワークを開発した。 まず,表面データに摂動に基づくアプローチを適用した。 我々の説明可能性フレームワークは,重要な特徴とその空間的位置を識別できるだけでなく,信頼性と有効性も示している。
  論文  参考訳（メタデータ） (2022-03-15T23:16:49Z)
• Structured Time Series Prediction without Structural Prior [0.152292571922932]
  時系列予測は、多くの領域の応用において広くよく研究されている問題である。 このようなグラフに依存しない完全データ駆動モデルを提案する。
  論文  参考訳（メタデータ） (2022-02-07T22:01:58Z)
• Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
  トレーニングセットとその構造が長期予測の品質に与える影響を考察する。 トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
  論文  参考訳（メタデータ） (2021-12-15T20:09:20Z)
• Reducing Catastrophic Forgetting in Self Organizing Maps with Internally-Induced Generative Replay [67.50637511633212]
  生涯学習エージェントは、パターン知覚データの無限のストリームから継続的に学習することができる。 適応するエージェントを構築する上での歴史的難しさの1つは、ニューラルネットワークが新しいサンプルから学ぶ際に、以前取得した知識を維持するのに苦労していることである。 この問題は破滅的な忘れ(干渉)と呼ばれ、今日の機械学習の領域では未解決の問題のままである。
  論文  参考訳（メタデータ） (2021-12-09T07:11:14Z)
• Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
  被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。 グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。 まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
  論文  参考訳（メタデータ） (2020-06-11T17:29:53Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。