論文の概要: Network-Based Transfer Learning Helps Improve Short-Term Crime Prediction Accuracy

• arxiv url: http://arxiv.org/abs/2406.06645v2
• Date: Thu, 13 Jun 2024 18:02:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-17 18:03:47.152222
• Title: Network-Based Transfer Learning Helps Improve Short-Term Crime Prediction Accuracy
• Title（参考訳）: ネットワークによる転送学習による犯罪予測の短期的精度向上
• Authors: Jiahui Wu, Vanessa Frias-Martinez,
• Abstract要約: 本稿では,短期犯罪予測モデルのための新しいトランスファー学習フレームワークを提案する。 提案手法は,移動データ不足のある対象都市を対象としたF1スコアを改善する。 また、F1スコアの改善は、米国の様々な種類の犯罪や多様な都市に広く浸透していることも示している。
• 参考スコア（独自算出の注目度）: 1.1062397685574308
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning architectures enhanced with human mobility data have been shown to improve the accuracy of short-term crime prediction models trained with historical crime data. However, human mobility data may be scarce in some regions, negatively impacting the correct training of these models. To address this issue, we propose a novel transfer learning framework for short-term crime prediction models, whereby weights from the deep learning crime prediction models trained in source regions with plenty of mobility data are transferred to target regions to fine-tune their local crime prediction models and improve crime prediction accuracy. Our results show that the proposed transfer learning framework improves the F1 scores for target cities with mobility data scarcity, especially when the number of months of available mobility data is small. We also show that the F1 score improvements are pervasive across different types of crimes and diverse cities in the US.
• Abstract（参考訳）: 人間の移動データで強化されたディープラーニングアーキテクチャは、過去の犯罪データで訓練された短期犯罪予測モデルの精度を向上させることが示されている。 しかしながら、一部の地域では人間の移動データが不足しており、これらのモデルの正しいトレーニングに悪影響を及ぼす可能性がある。 そこで本研究では,短時間の犯罪予測モデルのための新たな伝達学習フレームワークを提案する。これにより,移動データの多いソース領域で訓練された深層学習犯罪予測モデルからの重みを対象領域に伝達し,その局所犯罪予測モデルを微調整し,犯罪予測精度を向上させる。 以上の結果から,移動データが少ない都市において,移動データが少ない都市において,移動データ数が少ない場合にF1スコアが向上することが示唆された。 また、F1スコアの改善は、米国の様々な種類の犯罪や多様な都市に広く浸透していることも示している。

関連論文リスト

• Improving the Fairness of Deep-Learning, Short-term Crime Prediction with Under-reporting-aware Models [1.1062397685574308]
  本稿では,予測公正性を高めるために2つのアプローチのパワーを組み合わせた新しいディープラーニングアーキテクチャを提案する。 提案手法は, 内処理脱バイアスモデルと比較して, 犯罪予測の公平性を向上することを示す。
  論文  参考訳（メタデータ） (2024-06-06T04:05:23Z)
• STDA-Meta: A Meta-Learning Framework for Few-Shot Traffic Prediction [5.502177196766933]
  本稿では,データ満足な都市から移動可能なメタ知識を対角的に学習する新しい時間領域適応(STDA)手法を提案する。 この学習されたメタ知識は、データスカース都市の予測性能を向上させることができる。 具体的には,モデル・アテンポラル・メタラーニング(MAML)に基づくエピソード学習プロセスを用いてSTDAモデルを訓練する。
  論文  参考訳（メタデータ） (2023-10-31T06:52:56Z)
• Isolation and Induction: Training Robust Deep Neural Networks against Model Stealing Attacks [51.51023951695014]
  既存のモデル盗難防衛は、被害者の後部確率に偽りの摂動を加え、攻撃者を誤解させる。 本稿では,モデルステルス防衛のための新規かつ効果的なトレーニングフレームワークである分離誘導(InI)を提案する。 モデルの精度を損なうモデル予測に摂動を加えるのとは対照的に、我々はモデルを訓練して、盗むクエリに対して非形式的なアウトプットを生成する。
  論文  参考訳（メタデータ） (2023-08-02T05:54:01Z)
• Meta-Learning over Time for Destination Prediction Tasks [53.12827614887103]
  交通分野における公共目的と民間目標の両方を、車両の行動を理解し、予測する必要がある。 近年の研究では、時間情報の導入による予測性能の限界改善しか見出されていない。 本稿では、ニューラルネットワークが入力に応じて自身の重みを変えることを学習するハイパーネットワークに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-06-29T17:58:12Z)
• Spatial-Temporal Hypergraph Self-Supervised Learning for Crime Prediction [60.508960752148454]
  本研究では,犯罪予測におけるラベル不足問題に対処する空間的ハイパーグラフ自己監視学習フレームワークを提案する。 都市空間全体における犯罪の地域的依存性をエンコードするクロスリージョンハイパーグラフ構造学習を提案する。 また,2段階の自己指導型学習パラダイムを設計し,局所的・世界的空間的犯罪パターンを共同で捉えるだけでなく,地域的自己差別の強化による疎犯罪表現を補う。
  論文  参考訳（メタデータ） (2022-04-18T23:46:01Z)
• A model for traffic incident prediction using emergency braking data [77.34726150561087]
  道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。 メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
  論文  参考訳（メタデータ） (2021-02-12T18:17:12Z)
• The effect of differential victim crime reporting on predictive policing systems [84.86615754515252]
  本研究では, 被害者の犯罪報告率の違いが, 共通犯罪ホットスポット予測モデルにおいて, 結果の相違をもたらすことを示す。 以上の結果から, 犯罪報告率の差は, 高犯罪から低犯罪へ, 高犯罪・中犯罪・高報道へ, 予測ホットスポットの移動につながる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-01-30T01:57:22Z)
• Leveraging Mobility Flows from Location Technology Platforms to Test Crime Pattern Theory in Large Cities [26.100870516361347]
  本研究では, 犯罪集中を1時間単位で記述し, 予測する上での人体移動能力について検討した。 我々の評価は、Foursquareから匿名化されたデータセットを活用して、米国の主要3都市で約1480万回のチェックインを含むモビリティフローを推定する。
  論文  参考訳（メタデータ） (2020-04-17T14:21:10Z)
• Exploring Spatio-Temporal and Cross-Type Correlations for Crime Prediction [48.1813701535167]
  我々は,都市犯罪のクロスタイプと時間的相関を利用した犯罪予測を行う。 犯罪予測のための相関関係を数学的にモデル化するコヒーレントな枠組みを提案する。 犯罪予測における相関関係の重要性を理解するために、さらなる実験が行われた。
  論文  参考訳（メタデータ） (2020-01-20T00:34:53Z)
• To Transfer or Not to Transfer: Misclassification Attacks Against Transfer Learned Text Classifiers [10.762008415887195]
  本稿では,教師(公)モデルで学習した意図しない特徴を利用して,生徒(下流)モデルに対する敵対的な例を生成する新しい攻撃手法を提案する。 まず,文脈自由な単語レベルの埋め込みモデルを用いて学習した学生モデルに対して,新たな単語スコアベースの攻撃アルゴリズムを提案する。 次に、文脈対応BERTモデルを用いて訓練されたフェイクニュース検出タスクに対して、長さベースおよび文ベース誤分類攻撃を示す。
  論文  参考訳（メタデータ） (2020-01-08T10:26:55Z)

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。