論文の概要: Manifold Regularized Tucker Decomposition Approach for Spatiotemporal Traffic Data Imputation

• arxiv url: http://arxiv.org/abs/2305.06563v1
• Date: Thu, 11 May 2023 04:42:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-12 15:56:03.179359
• Title: Manifold Regularized Tucker Decomposition Approach for Spatiotemporal Traffic Data Imputation
• Title（参考訳）: 時空間トラヒックデータインプテーションに対する多様体正規化タッカー分解法
• Authors: Wenwu Gong, Zhejun Huang, and Lili Yang
• Abstract要約: 交通データ計算のための革新的多様体正規化タッカー分解(ManiRTD)モデルを提案する。 本研究は,提案手法が他の因子分解手法より優れていることを示すとともに,様々なシナリオにおいてより正確にSTDを再構成することを示した。
• 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: Spatiotemporal traffic data imputation (STDI), estimating the missing data from partially observed traffic data, is an inevitable and challenging task in data-driven intelligent transportation systems (ITS). Due to traffic data's multidimensional and spatiotemporal properties, we treat the missing data imputation as a tensor completion problem. Many studies have been on STDI based on tensor decomposition in the past decade. However, how to use spatiotemporal correlations and core tensor sparsity to improve the imputation performance still needs to be solved. This paper reshapes a 3rd/4th order Hankel tensor and proposes an innovative manifold regularized Tucker decomposition (ManiRTD) model for STDI. Expressly, we represent the sensory traffic state data as the 3rd/4th tensors by introducing Multiway Delay Embedding Transforms. Then, ManiRTD improves the sparsity of the Tucker core using a sparse regularization term and employs manifold regularization and temporal constraint terms of factor matrices to characterize the spatiotemporal correlations. Finally, we address the ManiRTD model through a block coordinate descent framework under alternating proximal gradient updating rules with convergence-guaranteed. Numerical experiments are conducted on real-world spatiotemporal traffic datasets (STDs). Our results demonstrate that the proposed model outperforms the other factorization approaches and reconstructs the STD more precisely under various missing scenarios.
• Abstract（参考訳）: データ駆動インテリジェントトランスポートシステム(ITS)では,部分的なトラフィックデータから欠落したデータを推定する時空間トラフィックデータ計算(STDI)が必然的かつ困難な課題である。 トラヒックデータの多次元的・時空間的性質から,データインプテーションの欠如をテンソル補完問題として扱う。 過去10年間のテンソル分解に基づくSTDIの研究が数多く行われている。 しかし、時空間相関とコアテンソルスパーシティをインプテーション性能を改善するためにどう使うかは、まだ解決する必要がある。 本稿では,第3/4次ハンケルテンソルを補足し,STDIのための革新的多様体正規化タッカー分解(ManiRTD)モデルを提案する。 本稿では,多方向遅延埋め込み変換を導入することにより,知覚トラヒック状態データを第3/第4テンソルとして表現する。 その後、ManiRTDはスパース正規化項を用いてタッカーコアの空間性を改善し、因子行列の多様体正規化と時間的制約項を用いて時空間相関を特徴づける。 最後に,コンバージェンス・ガランテドによる近位勾配更新規則の交互化に基づくブロック座標降下フレームワークを通じて,manirtdモデルに対処する。 実世界の時空間交通データセット(STD)を用いて数値実験を行った。 その結果,提案モデルは他の因子化手法よりも優れており,様々な欠落シナリオにおいてより正確にstdを再構成できることがわかった。

関連論文リスト

• Revisiting Trace Norm Minimization for Tensor Tucker Completion: A Direct Multilinear Rank Learning Approach [22.740653766104153]
  本論文では、タッカー完備化におけるトレースノルムに基づく定式化は、多重線型階数最小化において非効率であることを示す。 等価表現の係数行列にトレースノルム最小化を適用するタッカー形式の新しい解釈を提案する。 数値的な結果から,提案アルゴリズムは多線形階数学習における性能が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2024-09-08T15:44:00Z)
• Instance-Dependent Generalization Bounds via Optimal Transport [51.71650746285469]
  既存の一般化境界は、現代のニューラルネットワークの一般化を促進する重要な要因を説明することができない。 データ空間における学習予測関数の局所リプシッツ正則性に依存するインスタンス依存の一般化境界を導出する。 ニューラルネットワークに対する一般化境界を実験的に解析し、有界値が有意義であることを示し、トレーニング中の一般的な正規化方法の効果を捉える。
  論文  参考訳（メタデータ） (2022-11-02T16:39:42Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Truncated tensor Schatten p-norm based approach for spatiotemporal traffic data imputation with complicated missing patterns [77.34726150561087]
  本研究は, モード駆動繊維による3症例の欠失を含む, 4症例の欠失パターンについて紹介する。 本モデルでは, 目的関数の非性にもかかわらず, 乗算器の交互データ演算法を統合することにより, 最適解を導出する。
  論文  参考訳（メタデータ） (2022-05-19T08:37:56Z)
• Hankel-structured Tensor Robust PCA for Multivariate Traffic Time Series Anomaly Detection [9.067182100565695]
  本研究では,空間データにおける異常検出のためのRPCAのハンケル構造テンソルバージョンを提案する。 劣化した行列を低ランクのハンケルテンソルとスパース行列に分解する。 本手法は, 合成データと乗客フロー時系列を用いて評価する。
  論文  参考訳（メタデータ） (2021-10-08T19:35:39Z)
• Imputation-Free Learning from Incomplete Observations [73.15386629370111]
  本稿では,不備な値を含む入力からの推論をインプットなしでトレーニングするIGSGD法の重要性について紹介する。 バックプロパゲーションによるモデルのトレーニングに使用する勾配の調整には強化学習(RL)を用いる。 我々の計算自由予測は、最先端の計算手法を用いて従来の2段階の計算自由予測よりも優れている。
  論文  参考訳（メタデータ） (2021-07-05T12:44:39Z)
• MTC: Multiresolution Tensor Completion from Partial and Coarse Observations [49.931849672492305]
  既存の完備化の定式化は、主に1つのテンソルからの部分的な観測に依存する。 この問題を解決するために,効率的なマルチレゾリューション・コンプリート・モデル(MTC)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T02:20:03Z)
• Scaling and Scalability: Provable Nonconvex Low-Rank Tensor Estimation from Incomplete Measurements [30.395874385570007]
  基本的な課題は、高度に不完全な測定からテンソルを忠実に回収することである。 タッカー分解におけるテンソル因子を直接回復するアルゴリズムを開発した。 2つの正準問題に対する基底真理テンソルの線形独立率で確実に収束することを示す。
  論文  参考訳（メタデータ） (2021-04-29T17:44:49Z)
• Solving weakly supervised regression problem using low-rank manifold regularization [77.34726150561087]
  我々は弱い教師付き回帰問題を解く。 weakly"の下では、いくつかのトレーニングポイントではラベルが知られ、未知のものもあれば、無作為なノイズの存在やリソースの欠如などの理由によって不確かであることが分かっています。 数値的な節ではモンテカルロモデルを用いて提案手法を人工と実のデータセットに適用した。
  論文  参考訳（メタデータ） (2021-04-13T23:21:01Z)
• Low-Rank and Sparse Enhanced Tucker Decomposition for Tensor Completion [3.498620439731324]
  テンソル完備化のために,低ランクかつスパースに拡張されたタッカー分解モデルを導入する。 我々のモデルはスパースコアテンソルを促進するためにスパース正規化項を持ち、テンソルデータ圧縮に有用である。 テンソルに出現する潜在的な周期性と固有相関特性を利用するので,本モデルでは様々な種類の実世界のデータセットを扱うことが可能である。
  論文  参考訳（メタデータ） (2020-10-01T12:45:39Z)

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。