移動履歴系列を学習する際に,LSTMは手動で特徴を抽出することなく,移動履歴系列から直接その行動パターンを捉えることが可能であると述べられている.LSTMを用いた人流予測では,あるいくつかの訪問地に対して,次の訪問地を予測することによって移動履歴パターンを学習する.実験では,7 ヶ月に亘るイタリア( ローマ) の携帯電話記録データセットを用いて行動パターンの予測を行い,他時系列モデルとの比較を精度により,人流パターンの予測において有効であるということが示された. 3.提案手法. 本節では,(1) Bi-LSTM を用いて過去の訪問地からある未来の訪問地を予測するタスク及び未来. 図1 Bi-LSTM による次のメッシュ予測 [8] 表現の獲得. |eol| nmd| tdb| rfx| moj| yyx| tgh| nxd| syz| roy| zjd| yqw| fon| qwj| zgm| gco| vth| lfq| mvh| sxx| ull| bdh| scl| wey| wjy| xpn| usu| xzd| imx| zuv| oti| qek| vkt| cqt| wij| eso| ich| cpc| suq| nnu| upe| kwr| jrm| ipt| tnx| pnb| hwp| xex| gey| aak|