Scidown文献预览系统!
深度学习在轨迹数据挖掘中的应用研究综述
李旭娟 皮建勇 深度学习 数据挖掘 轨迹挖掘 长短时记忆 序列到序列
在过去十年,深度学习已被证明在很多领域应用非常成功,如视觉图像,自然语言处理,语音识别等,同时也涌现出来了大量深度学习模型,如深度卷积神经网络,深度循环神经网络,深度信念网络,深度对抗生成网络等,其深度越深学习能力越强,但同时也增加了网络训练的复杂度,权衡利弊取其中,所以在不同的应用中有很大的研究空间.另外,在基于时序数据的应用研究中,如股票趋势预测,天气预测,异常气候地质灾害预测等,相比较于传统的方法,各种改进的,融合的深度学习方法显然更胜一筹.而轨迹数据是时序数据的一种,它除了有时间维度的依赖性还有空间维度的相关关系.轨迹数据挖掘与我们的生活息息相关,从城市规划到个性化推荐,从出行安全到优质服务.所以本文通过对轨迹数据进行简单的剖析,对轨迹数据的应用进行一定的总结,并分析了一些用于轨迹数据挖掘的深度学习模型的优缺点,提出了一些小技巧,以此来对后续轨迹数据挖掘提供一些思路.
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】