論文の概要: Unsupervised Representation Learning of Complex Time Series for Maneuverability State Identification in Smart Mobility
- arxiv url: http://arxiv.org/abs/2409.06718v1
- Date: Mon, 26 Aug 2024 15:16:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-15 05:21:30.424310
- Title: Unsupervised Representation Learning of Complex Time Series for Maneuverability State Identification in Smart Mobility
- Title（参考訳）: スマートモビリティにおける空調状態同定のための複雑時系列の教師なし表現学習
- Authors: Thabang Lebese,
- Abstract要約: スマートモビリティでは、操縦パターンのような行動の時間的ダイナミクスを提供する上で、MSSは重要な役割を果たす。
本研究では,センサを用いた車両から収集したMSSデータのモデル化に関わる課題に対処することを目的とする。
我々の目標は、スマートモビリティにおける操作状態の特定における2つの異なる教師なし表現学習手法の有効性を検討することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multivariate Time Series (MTS) data capture temporal behaviors to provide invaluable insights into various physical dynamic phenomena. In smart mobility, MTS plays a crucial role in providing temporal dynamics of behaviors such as maneuver patterns, enabling early detection of anomalous behaviors while facilitating pro-activity in Prognostics and Health Management (PHM). In this work, we aim to address challenges associated with modeling MTS data collected from a vehicle using sensors. Our goal is to investigate the effectiveness of two distinct unsupervised representation learning approaches in identifying maneuvering states in smart mobility. Specifically, we focus on some bivariate accelerations extracted from 2.5 years of driving, where the dataset is non-stationary, long, noisy, and completely unlabeled, making manual labeling impractical. The approaches of interest are Temporal Neighborhood Coding for Maneuvering (TNC4Maneuvering) and Decoupled Local and Global Representation learner for Maneuvering (DLG4Maneuvering). The main advantage of these frameworks is that they capture transferable insights in a form of representations from the data that can be effectively applied in multiple subsequent tasks, such as time-series classification, clustering, and multi-linear regression, which are the quantitative measures and qualitative measures, including visualization of representations themselves and resulting reconstructed MTS, respectively. We compare their effectiveness, where possible, in order to gain insights into which approach is more effective in identifying maneuvering states in smart mobility.
- Abstract（参考訳）: 多変量時系列(MTS)データは時間的挙動を捉え、様々な物理力学現象に関する貴重な洞察を与える。
スマートモビリティにおいて、MSSは、操作パターンのような行動の時間的ダイナミクスを提供することにおいて重要な役割を担い、異常な動作を早期に検出し、予後および健康管理(PHM)における活動促進を促進する。
本研究では,センサを用いた車両から収集したMSSデータのモデル化に関わる課題に対処することを目的とする。
我々の目標は、スマートモビリティにおける操作状態の特定における2つの異なる教師なし表現学習手法の有効性を検討することである。
具体的には、2.5年間の運転から抽出された二変量加速に注目し、データセットは非定常的で、長く、騒々しく、完全にラベル付けされていないため、手動ラベリングは非現実的である。
TNC4Maneuvering(TNC4Maneuvering)とDecoupled Local and Global Representation Learninger for Maneuvering(DLG4Maneuvering)である。
これらのフレームワークの主な利点は、転送可能な洞察をデータから表現の形に取り込み、時系列分類、クラスタリング、複数線形回帰といった複数のタスクに効果的に適用できることである。
スマートモビリティにおける操作状態の特定において、どのアプローチがより効果的かを理解するために、その効果を可能な限り比較する。
関連論文リスト
- Siamese Multiple Attention Temporal Convolution Networks for Human Mobility Signature Identification [9.25278235266564]
我々は,TNアーキテクチャとマルチヘッド自己注意の両長所を活かすため,シームズ多重注意時間畳み込みネットワーク(シームズMA-TCN)を提案する。
2つの実世界のタクシー軌道データを用いて実験を行った結果,提案手法は局所的な鍵情報と長期的依存関係の両方を効果的に抽出することがわかった。
論文 参考訳（メタデータ） (2024-08-17T15:27:38Z) - MTDT: A Multi-Task Deep Learning Digital Twin [8.600701437207725]
我々は,多面的かつ正確な交差点交通流シミュレーションのソリューションとして,MTDT(Multi-Task Deep Learning Digital Twin)を導入した。
MTDTは,移動車線毎のループ検出波形時系列の精度,きめ細かな推定を可能にする。
複数のタスクにまたがって学習プロセスを統合することで、MTDTはオーバーフィッティングの削減、効率の向上、有効性の向上を示す。
論文 参考訳（メタデータ） (2024-05-02T00:34:10Z) - Digital Twin Mobility Profiling: A Spatio-Temporal Graph Learning
Approach [9.56255685195115]
モビリティ・プロファイリングは、モビリティ・データから都市交通の潜在的なパターンを抽出することができる。
デジタルツイン(DT)技術は、コスト効率とパフォーマンス最適化管理の道を開く。
本稿では,移動時ネットワークDTモデルを用いてノードプロファイルを学習するためのデジタルツインモビリティ・プロファイリングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-06T06:37:43Z) - Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.68088298632865]
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) - MotionTrack: Learning Motion Predictor for Multiple Object Tracking [68.68339102749358]
本研究では,学習可能なモーション予測器を中心に,新しいモーショントラッカーであるMotionTrackを紹介する。
実験結果から、MotionTrackはDancetrackやSportsMOTといったデータセット上での最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2023-06-05T04:24:11Z) - Generalization in Visual Reinforcement Learning with the Reward Sequence
Distribution [98.67737684075587]
部分的に観察されたマルコフ決定過程(POMDP)の一般化は視覚強化学習(VRL)の成功に不可欠である
開始観測に基づく報酬系列分布と事前定義された後続行動系列(RSD-OA)を提案する。
実験により, RSD-OAに基づく表現学習手法は, 目に見えない環境における一般化性能を大幅に向上することが示された。
論文 参考訳（メタデータ） (2023-02-19T15:47:24Z) - DBT-DMAE: An Effective Multivariate Time Series Pre-Train Model under
Missing Data [16.589715330897906]
MTSはデータ不足に悩まされ、下流のタスクが劣化または崩壊する。
本稿では,MTSプレトレインモデルについて述べる。
-DMAE、上記の障害を克服する。
論文 参考訳（メタデータ） (2022-09-16T08:54:02Z) - Learning Self-Modulating Attention in Continuous Time Space with
Applications to Sequential Recommendation [102.24108167002252]
本稿では,複雑で非線形に進化する動的ユーザの嗜好をモデル化する,自己変調型注意ネットワークを提案する。
提案手法がトップNシーケンシャルなレコメンデーションタスクに与える影響を実証的に示すとともに,3つの大規模実世界のデータセットによる結果から,我々のモデルが最先端のパフォーマンスを達成できることを示す。
論文 参考訳（メタデータ） (2022-03-30T03:54:11Z) - Transformer Inertial Poser: Attention-based Real-time Human Motion
Reconstruction from Sparse IMUs [79.72586714047199]
本研究では,6つのIMUセンサからリアルタイムに全体動作を再構築する,注意に基づく深層学習手法を提案する。
提案手法は, 実装が簡単で, 小型でありながら, 定量的かつ質的に新しい結果が得られる。
論文 参考訳（メタデータ） (2022-03-29T16:24:52Z) - Self-Regulated Learning for Egocentric Video Activity Anticipation [147.9783215348252]
自己制御学習(SRL)は、中間表現を連続的に制御し、現在のタイムスタンプのフレームにおける新しい情報を強調する表現を作り出すことを目的としている。
SRLは2つのエゴセントリックなビデオデータセットと2つの第三者のビデオデータセットにおいて、既存の最先端技術よりも大幅に優れています。
論文 参考訳（メタデータ） (2021-11-23T03:29:18Z) - 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。
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。