どんなもの?
本論文では、深層表現学習に基づ いて軌道の基礎となる経路情報を推論し表現するt2vec(trajectory to vector)と呼ばれる新しいアプローチを提案する。学習された表現は、非一様で低いサンプリングレート、および軌跡の類似性計算のためのノイズの多いサンプル点に対してロバストであるように設計
先行研究と比べてどこがすごい?
局所的な最適な割り当てを決めるのに二次元オーダーの計算量ががかかっていたとこを,深層表現学習により高速化
技術や手法のキモはどこ?
seq2seqの導入.
学習の高速化
どうやって有効だと検証した?
評価指標
- 自己相関関係
- 相互相関関係
議論はある?
次に読むべき論文は?
[11]
Memo
論文読み: min
詳細(式等の確認): min
メモ: min
- これらの遷移パターンは時空間データ ベース [10], [12], [13] に蓄積されており、軌道の類似性を定量化する可能性を持っていることが分かっている
DTWはEDRに一貫して劣るらしい[11]
データベースを増やせないか?