课程:Deep Learning for Spatio-Temporal Data
报告人:张钧波
报告人简介:京东数科智能城市部时空AI产品部负责人,京东智能城市研究院人工智能实验室主任,研究方向为城市(时空)大数据的AI平台、算法模型和技术研发。
课程介绍:位置获取与无线通信技术的进步使时空数据的可用性更加广泛。深度神经网络可以成功地应用于各种问题,如计算机视觉、语音识别、自然语言理解。时空数据具有独特的空间属性(即地理层次和距离)和时间属性(即密闭性、周期性和趋势性)。报告中张博士详细介绍深度学习的时空数据和应用方面的工作。
首先,张博士介绍了时空数据和深度学习之间的关系,深度学习CNN可以很好的表征空间属性,RNN/LSTM可以很好的表征时间属性,同时可以利用网络提取中层特征来表征多源数据进行融合。
最后,张博士提出时空神经网络的发展趋势和应用场景。