- 博客(9)
- 收藏
- 关注
RSS订阅原创 Self-supervised Trajectory Representation Learning with Temporal Regularities and Travel Semantics
输出：轨迹的初始表征向量——通过concat所有经过路段的。获得轨迹的预测向量后，经过一个全连接层预测遮盖的道路。是一个自适应的时间间隔矩阵，衡量轨迹路段间的影响。为了让影响随着时间间隔的增加而变小，引入衰减函数。有较大值，即这两条路在自注意中具有较强的影响。：将路网转换为融合轨迹旅行语义的表征向量。轨迹受到道路网络连通性的约束，因此需要从。标准的GAT无法捕捉轨迹中的旅行模式。的最终embedding。之间的时间间隔较短时，使用交叉熵作为loss。来学习道路表征向量。
2023-11-17 19:59:22
92
原创 Robust Road Network Representation Learning: When Traffic Patterns Meet Traveling Semantics
为了将交通模式融入表征，作者通过引入辅助交通上下文预测任务扩展skip-gram模型。最大化在给定目标节点的上下文窗口内观察邻域节点的可能性，等于最小化以下损失函数。由此，作者将skip-gram的目标修改为。的concatenation。的增强交通嵌入，是原始嵌入。对选定的特征进行二值化。及其N类交通上下文特征。将图中的节点视为一个。,最小化以下损失函数。的embedding。的embedding。和所有交通上下文预测。
2023-11-17 19:56:25
99
原创 Unsupervised Path Representation Learning with Curriculum Negative Sampling
在预定义的CL中，需要开发者手动评估样本学习的困难程度，然后根据困难程度将样本排序后进行训练离散类型离散的情况下模型会在收敛于某个数据子集或在数据子集上训练固定数量的epoch后调整训练数据子集连续类型连续的情况下，模型会在每个epoch后调整训练数据子集。
2023-11-17 19:53:35
62
原创 Trajectory Clustering via Deep Representation Learning
传统的轨迹聚类方法通常使用的相似性度量方式不考虑轨迹数据在不同空间区域和时间段的变化，因此这些方法难以有效地将具有相似运动模式的轨迹聚集在一起。在实际情况下，一些轨迹数据可能在不同的地理区域和时间段内表现出相似的运动模式，但传统方法无法捕捉这种特性，因为它们的相似性度量方法不具备空间和时间不变性，无法适应这种情况。该论文提出的方法旨在通过学习轨迹数据的低维表示，使得这些表示具有空间和时间不变性，从而能够更好地检测轨迹数据中的运动模式，无论这些模式出现在不同的空间区域和时间段。
2023-11-17 19:50:22
105
原创 李宏毅《机器学习》笔记
在GAN中，对于真实的训练样本的分布，记作PdataxPdatax，这个分布也就是GAN试图去拟合、逼近的分布。另外有一个由参数控制的分布记作PGx;θP_G(x;θ，其实也就是GAN或者说Generator生成的对象的分布。简单来说我们的目标就是让PGx;θP_G(x;θ和越PdataxPdatax接近越好。
2023-11-17 18:11:41
290
原创 BUAA_2023软工第三次作业——提问回顾和个人总结
技术能力：成熟的团队成员应该具备扎实的技术知识和技能，能够独立完成分配给他们的任务，并能够在面对挑战和问题时提供创新的解决方案。本学期软工项目中，我深刻体会到队友具有强大技术能力的重要性，他们能高质量完成自己工作的同时，指导其他成员，从而提高团队的工作效率和代码质量。沟通与合作：成熟的团队成员应该具备良好的沟通和合作能力。我们团队的成员能够清晰地表达自己的想法和观点，并且能够倾听和理解他人的意见。他们能够有效地与团队中的其他成员合作，共同解决问题和实现团队的目标。自主性与责任心。
2023-06-18 20:13:07
137
1
原创 结对项目-最长英语单词链
本次项目共设计了10种异常并进行测试。由于该部分单元测试构造思路为读取配置文件直接调用命令行模块的main函数，这里展示调用过程，此后的样例中仅给出配置文件，配置文件第一行表示异常码，第二行表示使用数据文件，之后表示参数。if (!参数不兼容(PARAM_CONFLICT)-n-w-c-h-t-j-r-n×××××××-w×××-c×××-h××-t××-j×x-r××单元测试样例。
2023-03-19 21:04:03
127
原创 软件工程第二次作业——CSDN技能树分析
在互联网时代下，我们能从网上找到海量的学习资料，然而这些资料的质量却良莠不齐，大部分资料没能系统地讲解某一领域的知识。本文分析的（以下简称）正是旨在打造一个IT人系统学习的平台。
2023-03-03 10:38:01
339
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人