直播 | 时空大数据和深度学习在交通事故预测上的应用

2018 年 10 月 23 日 AI科技评论

分享主题

时空大数据和深度学习在交通事故预测上的应用

 

分享背景

交通事故预测是一个重要且困难的研究问题。在较大时空范围内的预测尤其困难。主要原因是交通事故在时空上相对稀疏,以及不同地理环境(如城乡)造成的时空异质性(spatial heterogeneity)。本次公开课将讨论利用深度学习模型和时空大数据预测交通事故的最新工作。同时还将介绍其他时空数据挖掘和城市计算的研究问题及相关进展。

 

分享嘉宾

周逊,于明尼苏达大学计算机系获博士学位。现为美国爱荷华大学商学院管理科学系助理教授。主要研究方向为时空数据挖掘和分析,城市计算,地理信息系统。多篇论文发表于KDD, ICDM, CIKM, TKDE 等国际顶级会议和期刊,并多次担任其程序委员会委员和审稿人。联合主编Encyclopedia of GIS 第二版。

 

分享提纲

1. 方向背景: 时空大数据,时空数据挖掘,城市计算。

2. 交通事故预测的研究进展和难点,数据融合。

3. Hetero-ConvLSTM 方法: 基于ConvLSTM 深度模型的事故预测方法。

4. 其他时空数据和城市计算问题及研究进展。


分享时间

北京时间10月24日(周三) 09:00

直播链接

http://www.mooc.ai/open/course/576

想了解更多 AI 研习社直播

欢迎点击“阅读原文”

或者移步 AI 研习社社区~


全球AI+智适应教育峰会

免费门票开放申请!

雷锋网联合乂学教育松鼠AI以及IEEE教育工程和自适应教育标准工作组,于11月15日在北京嘉里中心举办全球AI+智适应教育峰会。美国三院院士、机器学习泰斗Michael Jordan、机器学习之父Tom Mitchell已确认出席,带你揭秘AI智适应教育的现在和未来。

扫码免费注册

登录查看更多
2

相关内容

专知会员服务
80+阅读 · 2020年6月20日
【BAAI|2019】类脑神经网络技术及其应用,鲁华祥(附pdf)
专知会员服务
29+阅读 · 2019年11月21日
【中科院计算所】图卷积神经网络及其应用
今晚20点大讲堂 | 时序预测中深度学习介绍
AI研习社
5+阅读 · 2019年6月20日
深度学习在自动驾驶感知领域的应用
AI100
11+阅读 · 2019年3月6日
已删除
将门创投
3+阅读 · 2019年1月29日
大讲堂 | 基于医疗知识的疾病诊断预测
AI科技评论
10+阅读 · 2019年1月22日
直播 | DeepIM: 基于单张RGB图像的物体姿态估计
AI科技评论
7+阅读 · 2018年11月6日
AliCoCo: Alibaba E-commerce Cognitive Concept Net
Arxiv
13+阅读 · 2020年3月30日
Learning Recommender Systems from Multi-Behavior Data
Arxiv
5+阅读 · 2018年9月11日
Arxiv
23+阅读 · 2018年8月3日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
Arxiv
5+阅读 · 2015年9月14日
VIP会员
相关VIP内容
专知会员服务
80+阅读 · 2020年6月20日
【BAAI|2019】类脑神经网络技术及其应用,鲁华祥(附pdf)
专知会员服务
29+阅读 · 2019年11月21日
相关资讯
【中科院计算所】图卷积神经网络及其应用
今晚20点大讲堂 | 时序预测中深度学习介绍
AI研习社
5+阅读 · 2019年6月20日
深度学习在自动驾驶感知领域的应用
AI100
11+阅读 · 2019年3月6日
已删除
将门创投
3+阅读 · 2019年1月29日
大讲堂 | 基于医疗知识的疾病诊断预测
AI科技评论
10+阅读 · 2019年1月22日
直播 | DeepIM: 基于单张RGB图像的物体姿态估计
AI科技评论
7+阅读 · 2018年11月6日
相关论文
AliCoCo: Alibaba E-commerce Cognitive Concept Net
Arxiv
13+阅读 · 2020年3月30日
Learning Recommender Systems from Multi-Behavior Data
Arxiv
5+阅读 · 2018年9月11日
Arxiv
23+阅读 · 2018年8月3日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
Arxiv
5+阅读 · 2015年9月14日
Top
微信扫码咨询专知VIP会员