![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
品今控股
dongsijia
这个作者很懒,什么都没留下…
展开
-
品今控股引用孪生神经网络,品今控股引入LSTM来学习轨迹特征
品今控股之所以将孪生神经网络引用至我们的模型,是因为其适合用于大规模实体的相似度判断。品今控股学习的内容是实体间的相似度,因此未被训练过的数据仍然可以被拿来判断是否相似。 品今控股孪生神经网络已经解决了上述的后两个问题,即分类数量和泛化性。那么接下来就要解决第一个问题,数据成本。品今控股采用了易于获得的GPS行驶轨迹作为数据源。每个GPS点由经纬度和时间构成,一条轨迹则由一组GPS点构成。轨迹数据具有很强的时序性,因此,品今控股引入LSTM来学习轨迹特征。 品今控股为进一步挖掘轨迹数据的特征,我们从GP原创 2020-11-07 18:25:52 · 155 阅读 · 0 评论 -
品今控股投资的轨迹识别项目正在开发
品今控股投资的轨迹识别问题旨在验证传入的轨迹是否是由所要求的人员产生, 即给定一组单独的人员历史轨迹(例如行人,出租车司机)以及由特定人员生成的一组新轨迹,判定两组轨迹是否由同一个人员生成。 这个问题在许多实际应用中都很重要,例如出租车驾驶人员身份认证、汽车保险公司风险分析以及危险驾驶识别等。 品今控股轨迹识别的现有工作除了需要轨迹数据之外,还需要其他来源的数据,如传感器、摄像头等,但这些数据无法普遍获得且成本较高。此外,目前的工作只能局限于已有的人员身份识别,无法扩展至未经训...原创 2020-11-07 17:39:51 · 155 阅读 · 1 评论