彩票有送彩金的吗

彩票有送彩金的吗是亚洲博彩业中最引人瞩目的时尚、信誉佳于一身的娱乐网站,到彩票有送彩金的吗客户端下载云盈国际线上娱乐,尽情享受游戏乐趣!

导航

« IBM研究院找到度量安全性方法:容器与虚拟机 谁更安全?

京东金融城市计算论文入选IJCAI 2018郑宇解读地理传感器时间序列预测问题

  伴随传感技术与城市基础设施的进步,许多城市已经部署了许多分布在不同地理位置的各类型传感器。可以是道路上记录车流量的摄像头,也可以是埋在地下管道中的传感线圈;可以是监控环境天气的温度传感器,也可以是检测水质情况的浊度传感器……

  毫无疑问,城市传感器产生的大量地理传感器时间序列与人们的生活、城市的运转有着很强的关联。针对这些数据展开分析预测,就能更加准确地预测空气污染、交通流量等实际问题,不仅可以为用户提供有效的建议,也有利于政府决策,进而「事半功倍」地应对城市中存在的各种挑战,其意义和价值不言而喻。

  不同传感器之间存在空间相关性,但并非静态而是动态的。例如,A 点经历了交通拥堵状况后,下一个时间点 B 点会发生同样的情况,但这并非一成不变的。也许早上是 A 点影响 B 点,但晚上情况相反,B 点会对 A 点造成影响。如果不考虑这一动态相关性,那么预测的准确率会大幅下降。而将这一重要因素考虑在内,就涉及到大量相关参数和信息的处理,计算的复杂度也随之上升。

  而对于同一传感器来说,数据的时间相关性也是动态的。例如,非高峰期间的下午 2 点与 3 点,测量交通流量的传感器数据差异不大,相关性较强;但在高峰期的早上 8 点与 9 点,传感器的读数可能存在较大差异。此外,传感器读数也可能存在周期性规律,例如今天 8 点与昨天 8 点的交通情况较为相似,但也并非固定。因此,如何选取合适具有相关性的时间间隔也是一个挑战。

  为了解决地理传感器时间序列的预测问题,京东金融使用深度学习方法,提出了一个基于多层注意力机制循环神经网络的通用解决方案,用于建模动态的时空关联性和建模外部影响因素,从而预测各种类型的地理传感器时间序列。

  最初,人们使用回归模型等方法进行单点预测,没有考虑到地理传感器时间序列所具备的特性;之后,在考察到每个站点本地信息、全局信息和多源异构数据之后,人们会针对不同传感器联合建模;而当传感器数量较为庞大时,深度学习技术被引入这一领域,但基本只考虑了时间维度上的相关性,而在空间相关性上仍采用静态机制。

  如此一来,当预测 A 点传感器在未来产生的某种时间序列时,空间注意力机制可以学习到周围传感器的历史读数对 A 点的动态影响,而时间注意力机制则可以学习到历史时间点和预测时间点之间的动态关系。

  此外,部分地理空间位置上拥有多个传感器数据,这些之间也可能存在相关性。原始的做法是对每一个传感器数据分别建模进行单点预测。将同一站点的不同传感器数据加以考量进行联合建模则可以达成更好的预测结果。

  「我一直认为人工智想要实现行业落地的话,一定需要背景知识。有人认为,深度学习是黑盒模型就不需要行业知识,这是不正确的观点。」郑宇补充道,只有结合人的先验知识,才可以更好地设计网络结构、优化算法复杂度,才能得到更好的训练结果。

  郑宇举了一个例子。在水质预测上,很多人会误以为与天气没有关系,因为水管是地下封闭系统,可能与外界的阴晴没有关联。但实际上,不同的天气情况会导致地面人们用水模式产生变化,进而带动用水流量、水压发生改变,间接造成水质的变化。

  据了解,基于这个算法,城市计算业务部已经部署了管网水质预测系统以实时预测未来的管网水质,以期能够指导自来水工厂更科学地进行投氯消毒,保证居民饮用水质。还可以及时发现水管健康状态,并在第一时间进行维护、修理,保证城市高效运转,为政府的城市建设决策提供参考。

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

日历

最近发表

Copyright+xxxx-xxxx+Your+WebSite.+Some+Rights+Reserved.