論文の概要: Spatiotemporal Data Mining: A Survey
- arxiv url: http://arxiv.org/abs/2206.12753v1
- Date: Sun, 26 Jun 2022 00:08:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-29 11:15:10.410732
- Title: Spatiotemporal Data Mining: A Survey
- Title（参考訳）: 時空間データマイニングに関する調査
- Authors: Arun Sharma, Zhe Jiang and Shashi Shekhar
- Abstract要約: データマイニングは、空間的・時間的データにおいて、興味深いが有用なが、非自明な大きなパターンを発見することを目的としている。
データマイニングに関する最近の調査は、急速な成長による更新が必要である。
本稿では、時間的データマイニングのための最新の定式化について述べる。
- 参考スコア（独自算出の注目度）: 5.203259275098252
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Spatiotemporal data mining aims to discover interesting, useful but
non-trivial patterns in big spatial and spatiotemporal data. They are used in
various application domains such as public safety, ecology, epidemiology, earth
science, etc. This problem is challenging because of the high societal cost of
spurious patterns and exorbitant computational cost. Recent surveys of
spatiotemporal data mining need update due to rapid growth. In addition, they
did not adequately survey parallel techniques for spatiotemporal data mining.
This paper provides a more up-to-date survey of spatiotemporal data mining
methods. Furthermore, it has a detailed survey of parallel formulations of
spatiotemporal data mining.
- Abstract（参考訳）: 時空間データマイニングは、大きな時空間データと時空間データの興味深い、有用だが非自明なパターンを見つけることを目的としている。
これらは公共の安全、生態学、疫学、地球科学など様々な応用領域で使われている。
この問題は、スプリアスパターンの社会的コストが高く、計算コストが極端に高いため、難しい。
急激な成長に伴う時空間データマイニングの最近の調査は更新が必要である。
さらに、時空間データマイニングのための並列手法を十分に調査しなかった。
本稿では,時空間データマイニング手法に関する最新の調査を行う。
さらに、時空間データマイニングの並列定式化に関する詳細な調査も行っている。
関連論文リスト
- A Survey of Generative Techniques for Spatial-Temporal Data Mining [93.55501980723974]
本稿では,空間時間データマイニングにおける生成技術の統合に焦点を当てる。
本稿では,生成技術に基づく時空間法を包括的に分析する。
また、空間時間データマイニングパイプライン用に特別に設計された標準化されたフレームワークも導入されている。
論文 参考訳（メタデータ） (2024-05-15T12:07:43Z) - A Survey on Diffusion Models for Time Series and Spatio-Temporal Data [92.1255811066468]
時系列およびS時間データにおける拡散モデルの使用について概観し、それらをモデル、タスクタイプ、データモダリティ、実用的なアプリケーションドメインで分類する。
我々は拡散モデルを無条件型と条件付き型に分類し、時系列とS時間データを別々に議論する。
本調査は,医療,レコメンデーション,気候,エネルギー,オーディオ,交通など,さまざまな分野の応用を幅広くカバーしている。
論文 参考訳（メタデータ） (2024-04-29T17:19:40Z) - A Survey on Data Selection for Language Models [148.300726396877]
データ選択方法は、トレーニングデータセットに含まれるデータポイントを決定することを目的としている。
ディープラーニングは、主に実証的な証拠によって駆動され、大規模なデータに対する実験は高価である。
広範なデータ選択研究のリソースを持つ組織はほとんどない。
論文 参考訳（メタデータ） (2024-02-26T18:54:35Z) - Deep Learning for Spatiotemporal Big Data: A Vision on Opportunities and
Challenges [4.497634148674422]
一時的ビッグデータは、これまで不可能だった問題を解決する新たな機会を育むことができる。
ビッグデータの特徴は、ディープラーニング技術に新たな課題をもたらす。
論文 参考訳（メタデータ） (2023-10-30T19:12:51Z) - 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) - LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。
しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。
カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
論文 参考訳（メタデータ） (2023-06-14T05:48:36Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - A Survey on Spatio-temporal Data Analytics Systems [8.798250996263237]
空間時間データ分析の分野では10年間の研究と開発が続けられてきた。
主な目標は、既存の作品をキャプチャ、管理、分析、視覚化するためのアルゴリズムを開発することでした。
論文 参考訳（メタデータ） (2021-03-17T19:46:16Z) - A review of machine learning in processing remote sensing data for
mineral exploration [0.41998444721319217]
本稿では,最近確立したリモートセンシングデータ処理のための機械学習手法の実装と適応について概説する。
異なる鉱床の探査への応用について研究している。
論文 参考訳（メタデータ） (2021-03-13T10:36:25Z) - Spatiotemporal data analysis with chronological networks [4.7842701621852655]
時間的データ分析のためのネットワークベースモデルである It chronnet を提案する。
このモデルの主な目的は、ネットワークに強いリンクを持つセル間で連続的なリカレントイベントを表現することである。
本稿では,人工的および実データ集合を考慮したモデルの利用方法について述べる。
論文 参考訳（メタデータ） (2020-04-23T22:50:43Z)
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。