論文の概要: A Survey on Spatial and Spatiotemporal Prediction Methods
- arxiv url: http://arxiv.org/abs/2012.13384v1
- Date: Thu, 24 Dec 2020 18:17:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 10:59:37.700074
- Title: A Survey on Spatial and Spatiotemporal Prediction Methods
- Title(参考訳): 時空間・時空間予測法に関する調査
- Authors: Zhe Jiang
- Abstract要約: 本稿では,空間時間予測の原理と手法を体系的に検討する。
我々は、それらが対処する主要な課題によって分類された方法の分類を提供する。
- 参考スコア(独自算出の注目度): 4.353444564058085
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the advancement of GPS and remote sensing technologies, large amounts of
geospatial and spatiotemporal data are being collected from various domains,
driving the need for effective and efficient prediction methods. Given spatial
data samples with explanatory features and targeted responses (categorical or
continuous) at a set of locations, the problem aims to learn a model that can
predict the response variable based on explanatory features. The problem is
important with broad applications in earth science, urban informatics,
geosocial media analytics and public health, but is challenging due to the
unique characteristics of spatiotemporal data, including spatial and temporal
autocorrelation, spatial heterogeneity, temporal non-stationarity, limited
ground truth, and multiple scales and resolutions. This paper provides a
systematic review on principles and methods in spatial and spatiotemporal
prediction. We provide a taxonomy of methods categorized by the key challenge
they address. For each method, we introduce its underlying assumption,
theoretical foundation, and discuss its advantages and disadvantages. Our goal
is to help interdisciplinary domain scientists choose techniques to solve their
problems, and more importantly, to help data mining researchers to understand
the main principles and methods in spatial and spatiotemporal prediction and
identify future research opportunities.
- Abstract(参考訳): GPSやリモートセンシング技術の進歩により、様々な領域から大量の地理空間的・時空間的データが収集され、効率的かつ効率的な予測方法の必要性が高まっている。
説明的特徴と対象とする応答(カテゴリー的あるいは連続的)が一組の場所で与えられた空間データサンプルから,説明的特徴に基づいて応答変数を予測できるモデルを学習することを目的とする。
この問題は、地球科学、都市情報学、ジオソーシャルメディア分析、公衆衛生における幅広い応用において重要であるが、空間的・時間的自己相関、空間的不均質性、時間的非定常性、限られた地上的真理、複数のスケールと解像度など、時空間的データのユニークな特徴のために困難である。
本稿では,空間的および時空間的予測の原理と手法を体系的に検討する。
我々は、それらが対処する主要な課題によって分類された方法の分類を提供する。
それぞれの方法について、基礎となる仮定、理論的基礎を導入し、その利点と欠点について議論する。
我々のゴールは、学際的なドメイン科学者が問題を解決する技術を選ぶのを助けることであり、さらに重要なことは、データマイニング研究者が空間的および時空間予測における主要な原則や方法を理解し、将来の研究機会を特定するのを助けることである。
関連論文リスト
- Controllable seismic velocity synthesis using generative diffusion
models [4.742123770879715]
本研究では, 地震波速度合成のための条件付き生成拡散モデルを提案する。
このアプローチは、予測された目標分布と密接に一致する地震波速度の生成を可能にする。
OpenFWIデータセット上での拡散モデルのトレーニングにより,本手法の柔軟性と有効性を示す。
論文 参考訳(メタデータ) (2024-02-09T09:41:26Z) - Challenges in data-based geospatial modeling for environmental research
and practice [19.316860936437823]
機械学習(ML)を用いたデータに基づく地理空間モデリングが環境研究で人気を博している。
本研究では,不均衡データ,空間自己相関,予測誤差,モデル一般化,ドメイン特異性,不確実性推定など,地理空間モデリングにおける一般的なニュアンスについて検討する。
論文 参考訳(メタデータ) (2023-11-18T12:30:49Z) - Large Models for Time Series and Spatio-Temporal Data: A Survey and
Outlook [95.32949323258251]
時系列データ、特に時系列データと時間時間データは、現実世界のアプリケーションで広く使われている。
大規模言語やその他の基礎モデルの最近の進歩は、時系列データマイニングや時間データマイニングでの使用の増加に拍車を掛けている。
論文 参考訳(メタデータ) (2023-10-16T09:06:00Z) - When Geoscience Meets Foundation Models: Towards General Geoscience
Artificial Intelligence System [5.8666339171606445]
地球科学基礎モデルは、地球系の力学をシミュレートし理解するために、大規模な学際データを統合する。
データ中心人工知能(AI)パラダイムとして、ペタバイト単位の構造化データと非構造化データの洞察を明らかにする。
現在の制限にもかかわらず、地球科学財団のモデルは、気候変動、自然災害、持続可能性といった問題に対する重要な洞察を提供することを約束している。
論文 参考訳(メタデータ) (2023-09-13T08:44:09Z) - Unified Data Management and Comprehensive Performance Evaluation for
Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。
都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。
多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
論文 参考訳(メタデータ) (2023-08-24T16:20:00Z) - Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.89014020303557]
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) - Graph Neural Network for spatiotemporal data: methods and applications [7.612070518526342]
グラフニューラルネットワーク(GNN)は、互いに依存したデータを理解する強力なツールとして登場した。
本稿では、時間領域におけるGNNの技術と応用について概観する。
論文 参考訳(メタデータ) (2023-05-30T02:27:17Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳(メタデータ) (2022-11-04T09:58:57Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳(メタデータ) (2022-07-19T16:15:11Z) - Using satellite imagery to understand and promote sustainable
development [87.72561825617062]
持続可能な開発成果を理解するために衛星画像を用いた成長する文献を合成する。
我々は、重要な人間関係の結果と、衛星画像の量の増大と解像度について、地上データの質を定量化する。
不足およびノイズの多いトレーニングデータの観点から、モデル構築に対する最近の機械学習アプローチをレビューする。
論文 参考訳(メタデータ) (2020-09-23T05:20:00Z) - A Novel Framework for Spatio-Temporal Prediction of Environmental Data
Using Deep Learning [0.0]
本稿では,深層学習を用いた気候・環境データの分解時間予測の枠組みを紹介する。
具体的には,完全時間信号の再構成を可能にする正規格子上に空間的にマッピング可能な関数を導入する。
実世界のシミュレーションデータへの応用は,提案フレームワークの有効性を示す。
論文 参考訳(メタデータ) (2020-07-23T07:44:04Z)
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。