北京智源-京东联合实验室“城市计算夏令营”第9天

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。

111-1

时空数据和深度学习之间的关系
时空神经网络数据根据不同的数据类型提供不同的深度神经网络模型。比如时空点数据(GeoMAN模型)、时空网格数据(ST-ResNet模型)、时空网络数据(MVGCN模型、MDL模型)、时空序列数据(DeepTTE模型)等。

22-1

深度神经网络数据

最后,张博士提出时空神经网络的发展趋势和应用场景。

3333

时空神经网络的发展趋势

444

时空神经网络应用场景