分享主题
我们是否可以有效预测未来?StepDeep深度神经网络在时空事件预测中的应用(2018年KDD论文分享)
分享背景
时空事件预测是指对空间上某一时刻可能发生的人流、交通状况、订单等情况的预估,在交通调度、公共安全、商业促销、店铺选址等领域有重要意义。比如预知某处的出行订单,可以提前进行运力调度,缩短乘客等待时间;预知大规模的人流移动,可以提前进行警力调度与公共服务保障,有效防止踩踏等公共安全事件;甚至对于某处的外卖预定,都可以定义成时空事件,通过预测进行备餐准备,提高经营效益。但是在城市规模中,传统方法的时空事件预测技术,一方面建模复杂,另一方面受时空各种环境的影响,如节假日、天气等都会对时空事件产生很大扰动。这些对时空事件的准确预测,都带来了不小的挑战。StepDeep通过全新的深度学习框架,有效的为解决这一问题提供了全新的思路。
分享嘉宾
沈弼龙,清华大学计算机科学与技术专业博士,CMU(美国卡耐基梅隆大学)访问学者。主要研究方向为数据挖掘(大数据时空数据挖掘与索引),机器学习(面向时空数据的深度学习预测算法),城市计算(轨迹聚类与实时规划、城市活动模式发现)。应用领域为智慧城市,智能交通。在KDD、ICDE等高水平国际会议和SCI、EI、ACM期刊已发表文章8篇(另有3篇在投),国际 SCI 期刊特邀审稿人,拥有授权专利1项。
-基于路网移动物体kNN索引算法,比原有方法在千万规模路网最高快10万倍(国际顶级会议 ICDE`17 收录)
-基于深度学习时空事件预测方法,粒度1公里范围比传统方法预测精度提高一个数量级以上(国际顶级会议 SIGKDD`18 收录)
参与国家自然基金重大专项、973、863等各类项目12项。
担任清华大学未来云计算兴趣团队理事长,团队来自清华大学本硕博共12个专业。
个人主页: http://www.cs.cmu.edu/~bshen http://blshen.me
mail:shenbilong@gmail.com
分享文章
StepDeep: A Novel Spatial-temporal Mobility Event Prediction Framework based on Deep Neural Network.
分享提纲
1、时空事件预测定义
2、时空事件预测遇到的挑战
3、StepDeep 时空预测框架介绍
4、时空预测技术展望
分享时间
(北京时间) 01 月 13 日 (星期日)晚上 20:00
错过直播不要紧,回放视频上传后也能看哦~
直播链接
http://www.mooc.ai/open/course/631
↘ 扫码直达 ↙