题目: Online long-term trajectory prediction based on mined route patterns

简介:

在这篇论文中,我们提出了一个大数据框架来预测流轨迹数据,利用挖掘的轨迹模式,允许准确的长期预测和低延迟。特别地,为了达到这个目标,我们遵循两步的方法。首先,我们以离线的方式有效地识别隐藏的移动模式。随后,轨迹预测算法利用这些模式来延长有用预测的时间范围。实验研究基于真实的航空和海事数据集。

作者简介:

Panagiotis Tampakis是比雷埃夫斯大学在读博士研究生,研究重点是数据管理、数据挖掘、大数据、移动数据管理、矿山轨迹数据。

Harris Georgiou是信息系统工程师(理学学士,理学硕士),机器学习和医学成像研究员(博士),专业从事信息系统/信息技术和研发顾问,私营部门的学术教师,兼职软件开发人员,全年潜水潜水员和水下摄影师。研究重点是机器学习,信号处理,医学成像,预测分析,博弈论。

成为VIP会员查看完整内容
0
17

相关内容

比雷埃夫斯大学位于希腊比雷埃夫斯市,最初大学成立于1938年的工业家和商人协会名义下的“学校工业研究”,该大学已经逐渐发展成侧重于企业管理方向。1945年此大学已被命名为“高等学校工业研究”,其目的定义为系统化、理论和实践培训管理高层。1958年,“高等工业学院研究”再次被重新命名为“工业研究学院”。 1966年,该校成为一所公立大学,并于1989年获得其目前比雷埃夫斯大学的名称。

题目: Dynamic Spatio-temporal Graph-based CNNs for Traffic Flow Prediction

摘要: 由于其时空结构的复杂性和动态性,预测未来交通流是一个具有挑战性的问题。大多数现有的基于图的CNN都试图捕捉静态关系,而忽略了序列数据下的动态关系。本文通过学习表达特征来表示时空结构,并从监控视频数据中预测未来的交通流,提出了一种基于动态时空图的神经网络(DST-GCNNs)。特别是,DST-GCNN是一个双流网络。在流量预测流中,我们提出了一种新的基于图形的时空卷积层来从流量的图形表示中提取特征。然后将几个这样的层叠加在一起来预测未来的流动。同时,随着交通条件的变化,图中交通流之间的关系往往是时变的。为了捕获图的动态,我们使用图预测流来预测动态图结构,并将预测的结构输入到流预测流中。在实际数据集上的实验表明,该模型与现有的方法相比具有较强的竞争能力。

成为VIP会员查看完整内容
0
100

讲座题目

假设检验与统计声音模式挖掘:Hypothesis Testing and Statistically-sound Pattern Mining

讲座简介

大量数据集的可用性突出表明,需要计算效率高、统计上可靠的方法来提取模式,同时对结果的质量提供严格的保证,特别是在错误发现方面。在本教程中,我们将介绍最近的一些方法,这些方法适当地结合了计算和统计方面的考虑,以便有效地从大型数据集中挖掘统计上可靠的模式。我们首先介绍统计假设检验中的基本概念,数据挖掘社区中的每个人可能都不熟悉这些概念。然后,我们将解释如何以不同的方式处理模式挖掘中的计算和统计挑战。最后,我们描述了这些方法在市场篮分析、子图挖掘、社会网络分析和癌症基因组学等领域的应用。本教程的目的是向观众介绍统计假设测试,强调正确平衡模式挖掘的计算和统计方面的重要性,强调这样做对数据挖掘研究人员的有用性,并鼓励在这方面的进一步研究。

讲座嘉宾

Leonardo Pellegrina是帕多瓦大学信息工程系信息工程专业的博士生,由法比奥·范丁教授和布朗大学客座研究员指导。他的研究活动集中在高效和统计上合理的算法,用于从大数据中发现模式,并应用到计算生物学。

成为VIP会员查看完整内容
0
17

题目: Link Prediction via Community Detection inBipartite Multi-Layer Graphs

摘要:

随着多关系网络数量的不断增加,在多层框架中解决经典图问题的方法(如链接预测)的发展带来了新的挑战。在这项工作中,我们将现有的二部局部模型方法与来自社区的链接预测方法相结合来解决多层图的链接预测问题。为此,我们将现有的基于社区发现的链路预测方法扩展到二部多层网络设置中。我们得到了一个新的二部图中链接预测的通用框架,它可以集成任何社区发现方法,能够处理任意数量的网络,而且相当便宜(取决于社区检测技术),并且能够自动调整其参数。我们使用两种最常见的社区检测方法,Louvain算法和光谱划分来测试我们的框架,这两种方法很容易应用于二部图。我们评估我们的基准数据集的方法,以解决一个常见的药物目标交互预测任务的计算药物设计,并在经验上证明,我们的方法是有竞争力的、最先进的。

邀请嘉宾:

Albrecht Zimmermann目前在卡昂-诺曼底大学担任会议主任。在研究方面,参加了CoDaG小组的活动,又是GREYC研究实验室的一部分。2014年2月2日至2015年8月31日,我是法国里昂里昂大学LIRIS实验室的一员。在德国弗莱堡大学的计算机科学系完成了博士学习。

Bruno Crémilleux主要研究兴趣是数据库中的数据挖掘和知识发现,重点是模式发现:模式(集合)发现、约束满足问题和数据挖掘、自然语言处理和数据挖掘、偏好查询(如skypatterns)、来自几种模式语言的无监督和监督方法(如序列、图形)。这项研究工作得益于在化学信息学、生物医学文本分析、生物信息学等领域的紧密合作。Bruno Crémilleux还是GREYC实验室的约束、数据挖掘和图形团队的成员。

成为VIP会员查看完整内容
0
24

主题: A framework for pattern mining and anomalydetection in multi-dimensional time series andevent logs

摘要: 目前,传感器数据和文本日志是由许多设备生成的。分析这些时间序列数据,可以发现有趣的模式和异常。近年来,人们开发了许多算法来发现时间序列数据中有趣的模式以及检测异常行为的周期。然而,这些算法在现实环境中的应用具有挑战性。我们提出了一个框架,由通用转换组成,它允许结合最新的时间序列表示、模式挖掘和基于模式的自动检测算法。使用早期或后期集成,我们的框架处理多维连续序列和事件日志的混合。最后,我们提出了一个开源的、轻量级的、交互式的工具,它帮助模式挖掘和领域专家选择算法、指定参数和视觉检查结果,同时屏蔽了实现框架的底层技术复杂性。

作者简介: Vincent Vercruyssen,在鲁汶大学攻读人工智能(专业数据挖掘和机器学习)博士学位。

Boris Cule,Jan De Nul unlimited CoC总工程师。等

成为VIP会员查看完整内容
0
23

论文题目: GMAN: A Graph Multi-Attention Network for Traffic Prediction

论文摘要:

由于交通系统的复杂性和影响因素的多变性,长期交通预测具有很大的挑战性。本文以时空因素为研究对象,提出了一种基于图的多注意网络(GMAN)来预测道路网络图中不同位置的时间步长下的交通状况。GMAN采用了编码器和解码器的结构,编码器和解码器都由多个时空注意块组成以模拟时空因素对交通条件的影响。编码器对输入流量进行编码,解码器对输出流量进行预测。在编码器和解码器之间,作为解码器的输入,应用转换保持层转换已编码的流量特征以生成未来时间步的序列表示。转换注意机制对历史时间步长和未来时间步长之间的直接关系进行建模,有助于缓解预测时间步长的误差传播问题。两个真实的交通预测任务的实验结果。,交通流量预测和交通速度预测)。特别地,在提前一小时的预测中,GMAN在MAE测量中比最先进的方法提高了4%。

论文作者:

范晓亮,高级工程师,硕导,数字福建城市交通大数据研究所副所长,数字福建健康医疗大数据研究所副所长。研究方向:城市感知与智能计算、医学数据隐私保护与人工智能应用。

戚建中目前就职于墨尔本大学计算与信息系统学院,从事数据科学研究。他们最近的出版物是“用智能模拟器研究交通问题”。

成为VIP会员查看完整内容
0
64

论文题目: Gravity-Inspired Graph Autoencoders for Directed Link Prediction

论文摘要:

图自编码器(AE)和变分自编码器(VAE)是近年来出现的强有力的节点嵌入方法。特别是利用图AE和VAE成功地解决了具有挑战性的链路预测问题,目的是找出图上的一些节点对是否被未观察到的边所连接。然而,这些模型侧重于无向图,因此忽略了链接的潜在方向,这限制了许多实际应用程序。在本文中,我们扩展了graph AE和VAE框架来解决有向图中的链路预测问题。我们提出了一种新的gravity-inspired的解码器方案,可以有效地从节点嵌入中重建有向图。我们对标准graph AE和VAE表现较差的三种不同定向链路预测任务进行了实证评价。我们在三个真实世界的图上获得了具有竞争力的结果,超过了几个流行的baseline。

论文作者:

Guillaume Salha自2018年10月以来,在巴黎理工学院(Ecole Polytechnique)攻读机器学习博士学位,师从罗曼·亨内昆(Romain Hennequin)和米哈利斯·瓦兹尔贾尼(Michalis Vazirgiannis)。研究兴趣跨越了深度学习和图形挖掘的广泛领域,并应用于音乐推荐。在最近的出版物中,主要关注图表示学习、图自动编码器模型。2016年,毕业于巴黎萨克莱高等师范学院(Ecole Normale Superieure Paris-Saclay),获得了计算机视觉与机器学习(MVA)硕士学位,在巴黎工程学院(ENSAE ParisTech)获得了工程学硕士学位。

Stratis Limnios是巴黎综合理工学院博士生,目前在巴黎高等理工学院计算机科学实验室,研究兴趣是机器学习,深度学习和图挖掘。

Romain Hennequin目前是Deezer的音乐信息检索工程师。在Deezer之前,在Audionamix工作了3年,工作侧重于声源分离。并且在Bertrand David和Roland Badeau的指导下,在巴黎电信的TSI(信号和图像处理部门)完成了博士学位,工作主要集中在音乐信息检索上,论文主题是分解音乐谱图,使用分解方法中的信号模型(如非负矩阵分解)。

成为VIP会员查看完整内容
0
21

题目: Uncovering hidden concepts from AIS data: A network abstraction of maritime traffic for anomaly detection

简介:

船舶自动识别系统(AIS)在多种类型船舶上的强制使用,为海上监视提供了新的机会。AIS应答器是一个丰富的信息源,每个人都可以使用射频接收器来收集,并提供船舶位置的实时信息。适当利用AIS数据,可以发现潜在的非法行为,提供实时警报,并通知当局任何船只的异常行为。

在本文中,我们扩展现有网络抽象的海上交通,基于节点(称为路点)对应于海军领域长期保持或主要是血管(例如:港口、披风、海上平台等)和边(称为遍历)对应于两个连续的路径点之间的航线船舶紧随其后。目前的工作集中在这个网络抽象的连接,并丰富了他们的语义信息,当跨越一个边缘容器时使用不同的方式。为此提出了一种新的基于密度的聚类算法DB-Scan,该算法修改了算法的邻近参数(即epsilon)。建议的替代方法是将i)航速、ii)航路及iii)船位的差异串联起来,以厘定两个连续船只位置之间的距离(两个来自同一船只的连续AIS信号)。结果表明,这种组合的性能明显优于只使用空间距离,更重要的是,结果在集群具有非常有趣的属性。丰富的网络模型可以通过数据挖掘技术进行处理和进一步检查,甚至在无监督的情况下,以识别血管轨迹中的异常。在真实数据集上的实验结果显示了该网络在探测航迹异常点和发现船舶航迹偏差方面的潜力。

邀请嘉宾:

Iraklis Varlamis目前是雅典Harokopio大学信息学和远程信息学系的副教授,教授的课程有数据库、数据库设计、数据挖掘和编程。主要研究兴趣是数据库、数据与信息管理和挖掘,研究重点是语义在web挖掘任务中的应用,研究工作也适用于社交网络中的知识管理和挖掘。

Konstantinos Tserpes是雅典Harokopio大学Web系统编程技术领域的助理教授,研究重点是面向服务的计算和数据分析。

成为VIP会员查看完整内容
0
8

主题: Medical decision analysis with probabilistic graphical models

摘要: 概率图模型(PGMs)如贝叶斯网络、影响图、马尔可夫决策过程等,在医学领域的应用已有几十年的历史。本教程回顾了主要模型,提出了解决实际工作健康问题的新型模型和算法,包括时间推理和成本效益分析,并讨论了这些方法相对于卫生经济学中常用方法的优势,为PGMs开发了许多软件工具。

邀请嘉宾: Francisco Javier Díez Vegas,博士,西班牙马德里联合国教科文组织人工智能部智能决策智能系统研究中心(CISIAD)主任,联合国开发计划署署长。

成为VIP会员查看完整内容
0
30

主题: Adaptive Influence Maximization

简介:

在当今的网络生态系统中,信息扩散和社会影响越来越多。对于所有在网络上做广告的参与者(媒体公司、政党、公司等)来说,拥有优化社交媒体存在和信息传播的算法确实至关重要。由于需要有效的病毒式营销策略,因此影响估计和影响最大化成为重要的研究问题,导致了方法的过剩。然而,这些方法中的大多数是非自适应的,因此不适用于可能在多个回合中运行和观察影响活动的场景,也不适用于不能假定对扩散网络和其中的信息传播方式具有充分知识的场景。

在本教程中,我们打算介绍自适应影响最大化的最新研究,旨在解决这些限制。这可以被视为一种特殊情况下的影响最大化问题(种子在社会图选择最大化信息传播),一个决策作为影响运动的展开,在多个回合,知识图拓扑结构和影响过程甚至可能部分或完全缺失。这种设置,取决于基本的假设,导致变量和原始的方法和算法技术,正如我们在最近的文献中看到的。我们将回顾这一领域最相关的研究,按照几个关键维度进行组织,讨论这些方法的优点和缺点,以及开放式研究问题及其实施的实际方面。

邀请嘉宾:

Bogdan Cautis,法国巴黎大学计算机科学系教授,2013年9月至今。在此之前,他是巴黎电信ParisTech的副教授(2007-2013)。2007年,他获得了法国巴黎大学的博士学位。他目前的研究兴趣是数据管理和数据挖掘的广泛领域,特别是社会网络和信息扩散。

Silviu Maniu,法国巴黎大学计算机科学系副教授,2015年9月至今。在此之前,他曾任华为诺亚方舟实验室研究员(2014-2015)。2012年,他获得了ParisTech电信公司的博士学位。他的研究兴趣主要集中在图形数据挖掘的一般领域,侧重于处理不确定性的模型和算法。

Nikolaos Tziortziotis是法国巴黎Tradelab项目平台的数据科学家研发人员。在此之前,他是法国巴黎南部大学计算机科学系的博士后研究员(2018年11月至12月)。他也是法国巴黎理工学院计算机科学实验室(LIX)的博士后研究员(2015-2018)。他获得了希腊约阿尼纳大学计算机科学与工程系的博士学位。他的研究兴趣跨越了机器学习和数据挖掘的广泛领域,主要集中在强化学习、贝叶斯学习、影响最大化和实时竞价。

成为VIP会员查看完整内容
0
4

题目: Epistemic Reasoning In Multiagent Systems

报告简介: 本教程介绍了动态认知逻辑,该逻辑使人们能够及时推理知识及其演化。 我们将首先展示如何为认知情况建模。 其次,我们将讨论推理任务的算法问题。 第三,我们将介绍动态逻辑的扩展。

嘉宾介绍:

Tristan Charrier,博士。 研究领域:符号模型,认知计划,用于指定认知情况的语言,认知推理的证明。

François Schwarzentruber是法国雷恩(ENS Rennes)副教授。 他目前的研究兴趣主要集中在逻辑理论及其在人工智能,代理和多代理系统以及计算机科学中的应用。 他曾是Synthese,Studia Logica和Theoretical Computer Science等期刊的审稿人。 自2011年以来,他的研究主要致力于研究动态认知逻辑。

slide简介:

  • 介绍
  • 知识与seeing
  • 知识与时间
  • 动态认知逻辑
  • 基于知识的项目
  • 总结
成为VIP会员查看完整内容
0
14
小贴士
相关VIP内容
相关资讯
用深度学习揭示数据的因果关系
专知
19+阅读 · 2019年5月18日
预告 || 5.11 第六届SMP情感计算研讨会来了!
哈工大SCIR
6+阅读 · 2019年4月30日
YOSIA Webinar | 再生医学的前沿发展
未来论坛
4+阅读 · 2019年4月27日
AI 辅助科学,预测地震余震位置
谷歌开发者
7+阅读 · 2019年1月24日
R语言时间序列分析
R语言中文社区
9+阅读 · 2018年11月19日
课程 | 从零开始精通深度学习
机器之心
9+阅读 · 2017年10月24日
相关论文
Manh Huynh,Gita Alaghband
4+阅读 · 2019年8月23日
Social-BiGAT: Multimodal Trajectory Forecasting using Bicycle-GAN and Graph Attention Networks
Vineet Kosaraju,Amir Sadeghian,Roberto Martín-Martín,Ian Reid,S. Hamid Rezatofighi,Silvio Savarese
5+阅读 · 2019年7月17日
Andrew Collins,Joeran Beel,Dominika Tkaczyk
3+阅读 · 2018年5月30日
Ashok Deb,Kristina Lerman,Emilio Ferrara
3+阅读 · 2018年4月14日
Ou Wu,Tao Yang,Mengyang Li,Ming Li
6+阅读 · 2018年3月21日
Hongmin Li,Luping Shi
8+阅读 · 2018年3月17日
Tharindu Fernando,Simon Denman,Sridha Sridharan,Clinton Fookes
4+阅读 · 2018年3月9日
George H. Chen,Jeremy C. Weiss
3+阅读 · 2017年12月7日
Afroze Ibrahim Baqapuri
3+阅读 · 2015年9月14日
Top
微信扫码咨询专知VIP会员