Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Predicting Taxi Destination by Regularized RNN with SDZ Meramalkan Destinasi Teksi oleh RNN Teratur dengan SDZ

Lei ZHANG, Guoxing ZHANG, Zhizheng LIANG, Qingfu FAN, Yadong LI

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Kaedah ramalan Markov tradisional bagi destinasi teksi hanya bergantung pada 2 hingga 3 mata GPS sebelumnya. Mereka mengabaikan pergantungan jangka panjang dalam trajektori teksi. Kami menggunakan Rangkaian Neural Berulang (RNN) untuk meneroka kebergantungan jangka panjang untuk meramalkan destinasi teksi kerana berbilang lapisan tersembunyi RNN boleh menyimpan kebergantungan ini. Walau bagaimanapun, lapisan tersembunyi RNN sangat sensitif kepada gangguan kecil untuk mengurangkan ketepatan ramalan apabila jumlah trajektori teksi semakin meningkat. Untuk meningkatkan ketepatan ramalan destinasi teksi dan mengurangkan masa latihan, kami membenamkan zon keluar dipacu suprisal (SDZ) kepada RNN, justeru kaedah ramalan destinasi teksi oleh RNN biasa dengan SDZ (TDPRS). SDZ bukan sahaja boleh meningkatkan keteguhan TDPRS, tetapi juga mengurangkan masa latihan dengan menggunakan kemas kini separa parameter dan bukannya kemas kini penuh. Eksperimen dengan data trajektori teksi Porto menunjukkan bahawa TDPRS meningkatkan ketepatan ramalan sebanyak 12% berbanding kaedah ramalan RNN dalam literatur[4]. Pada masa yang sama, masa ramalan dikurangkan sebanyak 7%.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E101-D No.8 pp.2141-2144
Tarikh penerbitan
2018/08/01
Diumumkan
2018/05/02
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2018EDL8009
Jenis Manuskrip
LETTER
kategori
Kejuruteraan Data, Sistem Maklumat Web

Pengarang

Lei ZHANG
  China University of Mining and Technology
Guoxing ZHANG
  China University of Mining and Technology
Zhizheng LIANG
  China University of Mining and Technology
Qingfu FAN
  China University of Mining and Technology
Yadong LI
  China University of Mining and Technology

Kata kunci

Contents [show]