利用复合信号神经网络捕捉与解释轨迹奇异性
机器学习
2020-05-08 v2 机器学习
摘要
空间轨迹是一种无处不在且复杂的信号。其分析在从城市规划到神经科学的诸多研究领域都至关重要。已有多种轨迹聚类方法被提出。它们依赖于手工设计特征(难以捕捉信号的时空复杂性),或依赖于人工神经网络(ANN)(虽更高效但可解释性较差)。本文提出一种新颖的 ANN 架构,旨在捕捉一组轨迹特有的时空模式,同时考虑导航者的 demographics(人口统计特征)。因此,我们的模型提取与行为和人口统计均相关的标记。我们提出一种复合信号分析器(CompSNN),其结合三个简单的 ANN 模块。这些模块各自使用轨迹的不同信号表示,同时保持可解释性。我们的 CompSNN 性能显著优于单独使用的各模块,并能够可视化信号中哪些部分对区分轨迹最有贡献。
引用
@article{arxiv.2003.10810,
title = {Capturing and Explaining Trajectory Singularities using Composite Signal Neural Networks},
author = {Hippolyte Dubois and Patrick Le Callet and Michael Hornberger and Hugo J. Spiers and Antoine Coutrot},
journal= {arXiv preprint arXiv:2003.10810},
year = {2020}
}
备注
5 pages, 9 figures, submitted to Eusipco2020 conference