VecLSTM：通过 LSTM 向量化与数据库集成进行活动识别的轨迹数据处理与管理
机器学习
2024-10-01 v1 人工智能
数据库
神经与进化计算
摘要
由于轨迹数据规模庞大且需要快速高效的处理，活动识别是一项具有挑战性的任务。现有方法尝试通过采用传统 LSTM 架构来缓解这一问题，但这些方法在处理大型数据集时往往效率低下。为应对这一挑战，我们提出了 VecLSTM，一种增强基于 LSTM 的神经网络性能与效率的新框架。与传统方法不同，VecLSTM 引入了向量化层，利用优化的数学运算更高效地处理输入序列。我们实现了 VecLSTM 并将其集成到 MySQL 数据库中。为了评估 VecLSTM 的有效性，我们使用一个包含 1,467,652 个样本和七个唯一标签的数据集，将其性能与传统 LSTM 模型进行了比较。实验结果表明，与 state-of-the-art 相比，VecLSTM 具有更高的准确性和效率，其验证准确率达到 85.57%，测试准确率达到 85.47%，加权 F1 分数为 0.86。此外，VecLSTM 显著减少了训练时间，与传统 LSTM 模型相比减少了 26.2%。
引用
@article{arxiv.2409.19258,
title = {VecLSTM: Trajectory Data Processing and Management for Activity Recognition through LSTM Vectorization and Database Integration},
author = {Solmaz Seyed Monir and Dongfang Zhao},
journal= {arXiv preprint arXiv:2409.19258},
year = {2024}
}
备注
10 pages, 5 figures