研究基于基于用户轨迹预测的用户招聘算法,使用稀疏的移动人群感应.
Jing Zhang1, Qianqian Wang1, Ding Lang2
1School of Computer Science and Technology, Xi'an University of Science and Technology, Xian 710600, China.
Mathematical biosciences and engineering : MBE
|July 28, 2023
概括
稀缺的移动人群传感通过预测用户轨迹和招募参与者来降低成本. 本研究介绍了用于轨迹预测的STGCN-GRU和用于招聘的ADQN,在预算限制范围内提高了数据推断的准确性.
科学领域:
- 计算机科学 计算机科学
- 数据科学数据科学数据科学
- 人工智能的人工智能
背景情况:
- 稀缺的移动人群传感通过从用户子集收集数据并推断其余部分来降低成本.
- 参与者轨迹产生不同价值的数据,需要有效的用户选择高价值数据收集.
- 准确的用户轨迹预测和招聘对于优化稀疏的移动人群传感至关重要.
研究的目的:
- 为了提高移动人群传感中的用户轨迹预测准确度.
- 开发一个有效的用户招聘算法,在预算限制下最大限度地提高数据价值.
- 在稀疏的移动人群传感中提高数据推断的整体准确性.
主要方法:
- 拟议的STGCN-GRU算法结合了空间时间图卷积网络 (STGCN) 和门式循环单元 (GRU) 进行轨迹预测.
- 开发了一种Action Deep Q-Network (ADQN) 算法,一种强化学习方法,通过解决Q网络高估问题来改善用户招聘.
- 使用标准指标 (FDE,ADE) 和现实世界数据集评估算法.
主要成果:
- 与现有方法相比,STGCN-GRU算法在轨道预测准确度方面表现出卓越的性能.
- ADQN算法有效地提高了用户招聘的准确性,从而在预算限制下更好地推断数据.
- 实验结果验证了两种拟议的算法在真实数据集上的实际有效性.
结论:
- STGCN-GRU和ADQN算法在用户轨迹预测和用于稀疏移动人群传感的招聘方面提供了显著的改进.
- 这些进步使得更准确和更具成本效益的数据推断成为可能,优化了传感网络中的资源配置.
- 拟议的方法为提高移动人群传感应用程序的效率和有效性提供了一个强大的框架.
相关概念视频
01:16Response Surface Methodology
910
Response Surface Methodology (RSM) is a collection of statistical and mathematical techniques used to develop, improve, and optimize processes. It is particularly valuable when many input variables or factors potentially influence a response variable.
The process of RSM involves several key steps:
The process of RSM involves several key steps:
910
01:18Steps in Outbreak Investigation
780
In the ever-evolving field of public health, statistical analysis serves as a cornerstone for understanding and managing disease outbreaks. By leveraging various statistical tools, health professionals can predict potential outbreaks, analyze ongoing situations, and devise effective responses to mitigate impact. For that to happen, there are a few possible stages of the analysis:
780