期刊信息
 

刊名:智慧中国
曾用名:数字商业时代;政策与管理
主办:机械工业经济管理研究院
主管:中国机械工业联合会
ISSN:2096-0999
CN:10-1370/N
语言:中文
周期:月刊
影响因子:0
被引频次:275
数据库收录:
国家哲学社会科学学术期刊数据库;期刊分类:财经商业
期刊热词:
人工智能,制造业,互联网,结构性改革,城市建设,工匠,总书记,城市,制造强国,乡村,

现在的位置:主页 > 期刊导读 >

自然地理学和测绘学论文_顾及地理-语义动态的

来源:智慧中国 【在线投稿】 栏目:期刊导读 时间:2022-01-19 07:58

【作者】网站采编

【关键词】

【摘要】文章目录 1 引言 2 相关工作 3 数据来源与预处理 4 模型构建 4.1 预测递归神经网络 4.2 图预测递归神经网络 4.3 集成层 4.4 GSEN的损失函数 5 实验与结果分析 5.1 实验设置 5.2 结果分析 5.3 空

文章目录

1 引言

2 相关工作

3 数据来源与预处理

4 模型构建

4.1 预测递归神经网络

4.2 图预测递归神经网络

4.3 集成层

4.4 GSEN的损失函数

5 实验与结果分析

5.1 实验设置

5.2 结果分析

5.3 空间性能分析

5.4 时间性能分析

5.5 对比实验

6 结论

文章摘要:城市热点时空预测是城市管理和智慧城市建设的一项长期而富有挑战性的任务。准确地进行城市热点时空预测可以提高城市规划、调度和安全保障能力并降低资源消耗。现有的区域级深度时空预测方法主要利用基于地理网格的图像、给定的网络结构或额外的数据来获取时空动态。通过从原始数据中挖掘出潜在的自语义信息,并将其与基于地理空间的网格图像融合,也可以提高时空预测的性能,基于此,本文提出了一种新的深度学习方法地理语义集成神经网络(GSEN),将地理预测神经网络和语义预测神经网络相叠加。GSEN模型综合了预测递归神经网络(PredRNN)、图卷积预测递归神经网络(GCPredRNN)和集成层的结构,从不同的角度捕捉时空动态。并且该模型还可以与现实世界中一些潜在的高层动态进行关联,而不需要任何额外的数据。最终在3个不同领域的实际数据集上对本文提出的模型进行了评估,均取得了很好的预测效果,实验结果表明GSEN模型在不同城市热点时空预测任务中的推广性和有效性,利用该模型可以更好地进行城市热点时空预测,解决一系列如犯罪、火灾、网约车预订等等现代城市发展中亟需解决的相关问题。

文章关键词:

项目基金:《智慧中国》 网址: http://www.zhzgzzs.cn/qikandaodu/2022/0119/2900.html

上一篇:用信息技术打造小学数学智慧课堂
下一篇:公路与水路运输论文_当空起飞鱼 川江更多彩—

智慧中国投稿 | 智慧中国编辑部| 智慧中国版面费 | 智慧中国论文发表 | 智慧中国最新目录
Copyright © 2018 《智慧中国》杂志社 版权所有
投稿电话: 投稿邮箱: