Fugu-MT 論文翻訳(概要): Learning Behavioral Representations of Human Mobility

論文の概要: Learning Behavioral Representations of Human Mobility

arxiv url: http://arxiv.org/abs/2009.04719v2
Date: Fri, 11 Sep 2020 10:32:09 GMT
ステータス: 処理完了
システム内更新日: 2022-10-20 02:52:25.765526
Title: Learning Behavioral Representations of Human Mobility
Title（参考訳）: 人間移動の行動表現の学習
Authors: Maria Luisa Damiani, Andrea Acquaviva, Fatima Hachem, Matteo Rossini
Abstract要約: 本稿では,CDRトラジェクトリに基づく移動物体の行動類似性の解析に対する最先端表現学習法の適用性について検討する。このコントリビューションの中核は、ノイズ除去のための新しい手法であるmob2vecである。モブ2ベックは低次元空間におけるCDR軌道のベクトル表現を生成し、個人の移動行動の類似性を保っている。
参考スコア（独自算出の注目度）: 1.5307082749790384
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we investigate the suitability of state-of-the-art representation learning methods to the analysis of behavioral similarity of moving individuals, based on CDR trajectories. The core of the contribution is a novel methodological framework, mob2vec, centered on the combined use of a recent symbolic trajectory segmentation method for the removal of noise, a novel trajectory generalization method incorporating behavioral information, and an unsupervised technique for the learning of vector representations from sequential data. Mob2vec is the result of an empirical study conducted on real CDR data through an extensive experimentation. As a result, it is shown that mob2vec generates vector representations of CDR trajectories in low dimensional spaces which preserve the similarity of the mobility behavior of individuals.
Abstract（参考訳）: 本稿では,CDRトラジェクトリに基づく移動物体の行動類似性の解析に対する最先端表現学習法の適用性について検討する。この貢献の核となるのは、ノイズ除去のための最近の記号的軌跡分割法と、行動情報を組み込んだ新しい軌跡一般化法と、逐次データからベクトル表現を学習するための教師なし技術を組み合わせた新しい方法論であるmob2vecである。 mob2vecは、大規模な実験を通じて実際のcdrデータで行った実験結果である。その結果、mob2vecは、個人の移動行動の類似性を保った低次元空間におけるCDR軌道のベクトル表現を生成することがわかった。

関連論文リスト

CauSkelNet: Causal Representation Learning for Human Behaviour Analysis [6.880536510094897]
本研究では,人間の関節動態や複雑な動作をよりよく理解するために,因果推論に基づく表現学習手法を提案する。我々のアプローチは、人間の動作分析を前進させ、より適応的なインテリジェントヘルスケアソリューションの道を開く。
論文参考訳（メタデータ） (2024-09-23T21:38:49Z)
Towards Robust Trajectory Representations: Isolating Environmental Confounders with Causal Learning [23.659451444973627]
本稿では、因果学習に基づく軌道モデリングフレームワーク(TrajCL)を提案する。 TrajCLは、より優れた一般化と解釈可能性を示しながら、軌道分類タスクのパフォーマンスを著しく向上させる。
論文参考訳（メタデータ） (2024-04-22T10:34:58Z)
Clustering Human Mobility with Multiple Spaces [8.076957089365676]
本稿では,移動行動検出のための新しいモビリティクラスタリング手法を提案する。提案手法は変分オートエンコーダアーキテクチャを用いて,潜在空間と原空間の両方でクラスタリングを同時に行う。実験の結果,提案手法はトラジェクトリからの移動行動検出において,より精度が高く,解釈性も向上した。
論文参考訳（メタデータ） (2023-01-20T12:02:30Z)
Federated Representation Learning via Maximal Coding Rate Reduction [109.26332878050374]
本稿では,複数のクライアントに分散したデータセットから低次元表現を学習する手法を提案する。提案手法はFLOWと呼ばれ, MCR2を選択の対象とし, その結果, クラス間判別とクラス内圧縮の両方が可能な表現が得られた。
論文参考訳（メタデータ） (2022-10-01T15:43:51Z)
Learning from Temporal Spatial Cubism for Cross-Dataset Skeleton-based Action Recognition [88.34182299496074]
アクションラベルはソースデータセットでのみ利用可能だが、トレーニング段階のターゲットデータセットでは利用できない。我々は,2つの骨格に基づく行動データセット間の領域シフトを低減するために,自己スーパービジョン方式を利用する。時間的セグメントや人体部分のセグメンテーションとパーフォーミングにより、我々は2つの自己教師あり学習分類タスクを設計する。
論文参考訳（メタデータ） (2022-07-17T07:05:39Z)
Evaluation of Self-taught Learning-based Representations for Facial Emotion Recognition [62.30451764345482]
この研究は、顔の感情認識のための自己学習の概念を通じて得られた教師なし表現を生成するための様々な戦略を記述する。このアイデアは、オートエンコーダの初期化、アーキテクチャ、トレーニングデータを変化させることで、多様性を促進する補完的な表現を作ることである。 Jaffe と Cohn-Kanade のデータセットに対する残余のサブジェクトアウトプロトコルによる実験結果から,提案した多種多様な表現に基づく FER 手法が最先端のアプローチと好適に比較できることが示唆された。
論文参考訳（メタデータ） (2022-04-26T22:48:15Z)
Summarising and Comparing Agent Dynamics with Contrastive Spatiotemporal Abstraction [12.858982225307809]
本研究では,データ駆動型モデル非依存手法を導入し,進化する力学系内での高次コントラスト点の人間解釈可能な要約を生成する。連続状態空間に対して実用的なアルゴリズムを概説し、深層強化学習エージェントの学習履歴を要約するために展開する。
論文参考訳（メタデータ） (2022-01-17T11:34:59Z)
Contrastive Instruction-Trajectory Learning for Vision-Language Navigation [66.16980504844233]
視覚言語ナビゲーション(VLN)タスクでは、エージェントが自然言語の指示でターゲットに到達する必要がある。先行研究は、命令-軌道対間の類似点と相違点を識別できず、サブ命令の時間的連続性を無視する。本稿では、類似したデータサンプル間の分散と、異なるデータサンプル間の分散を探索し、ロバストなナビゲーションのための独特な表現を学習するContrastive Instruction-Trajectory Learningフレームワークを提案する。
論文参考訳（メタデータ） (2021-12-08T06:32:52Z)
Social NCE: Contrastive Learning of Socially-aware Motion Representations [87.82126838588279]
実験結果から, 提案手法は最近の軌道予測, 行動クローニング, 強化学習アルゴリズムの衝突速度を劇的に低減することがわかった。本手法は,ニューラルネットワークの設計に関する仮定をほとんど示さないため,神経運動モデルのロバスト性を促進する汎用的手法として使用できる。
論文参考訳（メタデータ） (2020-12-21T22:25:06Z)
Dynamic Dual-Attentive Aggregation Learning for Visible-Infrared Person Re-Identification [208.1227090864602]
Visible-infrared person re-identification (VI-ReID) は、歩行者検索の課題である。既存のVI-ReID法は、識別可能性に制限があり、ノイズの多い画像に対して弱いロバスト性を持つグローバル表現を学習する傾向にある。そこで我々は,VI-ReIDのための動的二段階集合(DDAG)学習法を提案する。
論文参考訳（メタデータ） (2020-07-18T03:08:13Z)
DETECT: Deep Trajectory Clustering for Mobility-Behavior Analysis [10.335486459171992]
我々は,Deep Embedded TrajEctor ClusTering Network (DETECT)と呼ばれる,移動行動クラスタリングのための教師なしニューラルネットワークを提案する。 DETECTは3つの部分で機能する: まず、重要な部分を要約し、地理的局所性から派生した文脈で拡張することで軌道を変換する。第2部では、潜在行動空間におけるトラジェクトリの強力な表現を学び、これによりクラスタリング関数(例えば$k$means)を適用できる。
論文参考訳（メタデータ） (2020-03-03T06:09:15Z)

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。