一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

如何從各種來(lái)源獲取數(shù)據(jù)并將其輸入到機(jī)器學(xué)習(xí)模型中以預(yù)測(cè)流量

倩倩 ? 來(lái)源:文財(cái)網(wǎng) ? 2020-09-16 14:33 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

Google Maps是該公司使用最廣泛的產(chǎn)品之一,它具有預(yù)測(cè)即將到來(lái)的交通擁堵的能力,因此對(duì)于許多駕駛員來(lái)說(shuō)都是必不可少的。Google表示,每天都有超過(guò)10億公里的道路在該應(yīng)用程序的幫助下行駛。但是,正如這家搜索巨頭在今天的博客文章中所解釋的那樣,得益于DeepMind的機(jī)器學(xué)習(xí)工具,其功能變得更加準(zhǔn)確,該機(jī)器是總部位于倫敦的AI實(shí)驗(yàn)室,由Google的母公司Alphabet擁有。

在博客文章中,Google和DeepMind研究人員解釋了如何從各種來(lái)源獲取數(shù)據(jù)并將其輸入到機(jī)器學(xué)習(xí)模型中以預(yù)測(cè)流量。這些數(shù)據(jù)包括從Android設(shè)備匿名收集的實(shí)時(shí)交通信息,歷史交通數(shù)據(jù),來(lái)自地方政府的速度限制和建筑工地等信息,以及任何給定道路的質(zhì)量,大小和方向等因素。因此,根據(jù)Google的估計(jì),鋪成的道路勝過(guò)未鋪成的道路,而該算法將決定,有時(shí)需要更長(zhǎng)的高速公路行駛,比在多條蜿蜒的街道上行駛更快。

谷歌表示,使用DeepMind的AI工具可以將地圖中的ETA準(zhǔn)確性提高多達(dá)50%。 圖片:Google

所有這些信息都被送入DeepMind設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò),該神經(jīng)網(wǎng)絡(luò)挑選出數(shù)據(jù)中的模式并用它們來(lái)預(yù)測(cè)未來(lái)的流量。谷歌表示,其新模式在某些城市將谷歌地圖的實(shí)時(shí)ETA的準(zhǔn)確性提高了50%。它還指出,在COVID-19爆發(fā)以及隨后的道路使用變化之后,必須更改用于做出這些預(yù)測(cè)的數(shù)據(jù)。

“自2020年初開(kāi)始鎖定以來(lái),我們發(fā)現(xiàn)全球流量下降了50%?!?/p>

Google Maps產(chǎn)品經(jīng)理Johann Lau寫(xiě)道:“自2020年初開(kāi)始鎖定以來(lái),全球流量下降了50%,” “為了應(yīng)對(duì)這種突然的變化,我們最近更新了模型,使其變得更加敏捷-自動(dòng)對(duì)過(guò)去兩到四周的歷史流量模式進(jìn)行優(yōu)先排序,并在此之前的任何時(shí)間對(duì)模式進(jìn)行優(yōu)先排序。”

這些模型通過(guò)將地圖劃分為Google所謂的“超級(jí)細(xì)分市場(chǎng)”來(lái)工作-相鄰街道的集群共享流量。每一個(gè)都與一個(gè)單獨(dú)的神經(jīng)網(wǎng)絡(luò)配對(duì),該神經(jīng)網(wǎng)絡(luò)可以對(duì)該部門進(jìn)行流量預(yù)測(cè)。尚不清楚這些超級(jí)段的大小,但是Google注意到它們具有“動(dòng)態(tài)大小”,這表明它們會(huì)隨著流量的變化而變化,并且每個(gè)都使用“ TB”的數(shù)據(jù)。此過(guò)程的關(guān)鍵是使用一種稱為Graph Neural Network的特殊類型的神經(jīng)網(wǎng)絡(luò),Google表示該神經(jīng)網(wǎng)絡(luò)特別適合處理此類映射數(shù)據(jù)。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • Google
    +關(guān)注

    關(guān)注

    5

    文章

    1789

    瀏覽量

    58959
  • 應(yīng)用程序
    +關(guān)注

    關(guān)注

    38

    文章

    3333

    瀏覽量

    58996
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8501

    瀏覽量

    134537
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    邊緣計(jì)算機(jī)器學(xué)習(xí):基于 Linux 系統(tǒng)的實(shí)時(shí)推理模型部署與工業(yè)集成!

    你好,旅行者!歡迎來(lái)到Medium的這一角落。在本文中,我們將把一個(gè)機(jī)器學(xué)習(xí)模型(神經(jīng)網(wǎng)絡(luò))部署邊緣設(shè)備上,利用ModbusTCP寄存器
    的頭像 發(fā)表于 06-11 17:22 ?327次閱讀
    邊緣計(jì)算<b class='flag-5'>中</b>的<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>:基于 Linux 系統(tǒng)的實(shí)時(shí)推理<b class='flag-5'>模型</b>部署與工業(yè)集成!

    爬蟲(chóng)數(shù)據(jù)獲取實(shí)戰(zhàn)指南:入門高效采集

    爬蟲(chóng)數(shù)據(jù)獲取實(shí)戰(zhàn)指南:入門高效采集 ? ? 在數(shù)字化浪潮,數(shù)據(jù)已成為驅(qū)動(dòng)商業(yè)增長(zhǎng)的核心引擎
    的頭像 發(fā)表于 03-24 14:08 ?604次閱讀

    機(jī)器學(xué)習(xí)模型市場(chǎng)前景如何

    當(dāng)今,隨著算法的不斷優(yōu)化、數(shù)據(jù)量的爆炸式增長(zhǎng)以及計(jì)算能力的飛速提升,機(jī)器學(xué)習(xí)模型的市場(chǎng)前景愈發(fā)廣闊。下面,AI部落小編將探討機(jī)器
    的頭像 發(fā)表于 02-13 09:39 ?356次閱讀

    【「具身智能機(jī)器人系統(tǒng)」閱讀體驗(yàn)】2.具身智能機(jī)器人大模型

    取得了令人矚目的效果。 閱讀感悟 傳統(tǒng)的手動(dòng)編程借助大模型實(shí)現(xiàn)智能化、自主化,單一模態(tài)的交互
    發(fā)表于 12-29 23:04

    《具身智能機(jī)器人系統(tǒng)》第7-9章閱讀心得之具身智能機(jī)器人與大模型

    將自然語(yǔ)言理解與運(yùn)動(dòng)規(guī)劃融為一體。這種端端的方法使機(jī)器人能夠直接人類指令生成動(dòng)作序列,大幅簡(jiǎn)化了控制流程。該項(xiàng)目的工作流程包含設(shè)計(jì)并封裝一個(gè)人機(jī)器人函數(shù)庫(kù)、編寫(xiě)清晰地描述提示詞、在
    發(fā)表于 12-24 15:03

    【「具身智能機(jī)器人系統(tǒng)」閱讀體驗(yàn)】+數(shù)據(jù)在具身人工智能的價(jià)值

    出現(xiàn)重大問(wèn)題。此外,機(jī)器人在不同環(huán)境適應(yīng)和泛化的能力取決于它處理的數(shù)據(jù)的多樣性。例如,家庭服務(wù)機(jī)器人必須適應(yīng)各種家庭環(huán)境和任務(wù),要求它們
    發(fā)表于 12-24 00:33

    cmp在機(jī)器學(xué)習(xí)的作用 如何使用cmp進(jìn)行數(shù)據(jù)對(duì)比

    機(jī)器學(xué)習(xí)領(lǐng)域,"cmp"這個(gè)術(shù)語(yǔ)可能并不是一個(gè)常見(jiàn)的術(shù)語(yǔ),它可能是指"比較"(comparison)的縮寫(xiě)。 比較在機(jī)器學(xué)習(xí)的作用
    的頭像 發(fā)表于 12-17 09:35 ?866次閱讀

    手持 / 便攜多普勒流速流量計(jì):無(wú)懼復(fù)雜環(huán)境的強(qiáng)大測(cè)流工具

    手持 / 便攜多普勒流速流量儀是一種功能強(qiáng)大的測(cè)流工具,具有諸多特點(diǎn)和優(yōu)勢(shì),使其能夠在各種復(fù)雜環(huán)境準(zhǔn)確測(cè)量流體的流速和流量。
    的頭像 發(fā)表于 11-22 09:35 ?889次閱讀
    手持 / 便攜多普勒流速<b class='flag-5'>流量</b>計(jì):無(wú)懼復(fù)雜環(huán)境的強(qiáng)大<b class='flag-5'>測(cè)流</b>工具

    魯棒性在機(jī)器學(xué)習(xí)的重要性

    機(jī)器學(xué)習(xí)領(lǐng)域,模型的魯棒性是指模型在面對(duì)輸入數(shù)據(jù)的擾動(dòng)、異常值、噪聲或?qū)剐怨魰r(shí),仍能保持性
    的頭像 發(fā)表于 11-11 10:19 ?1253次閱讀

    AI大模型的訓(xùn)練數(shù)據(jù)來(lái)源分析

    AI大模型的訓(xùn)練數(shù)據(jù)來(lái)源廣泛且多元化,這些數(shù)據(jù)源對(duì)于構(gòu)建和優(yōu)化AI模型至關(guān)重要。以下是對(duì)AI大模型
    的頭像 發(fā)表于 10-23 15:32 ?3607次閱讀

    AI大模型與傳統(tǒng)機(jī)器學(xué)習(xí)的區(qū)別

    多個(gè)神經(jīng)網(wǎng)絡(luò)層組成,每個(gè)層都包含大量的神經(jīng)元和權(quán)重參數(shù)。 傳統(tǒng)機(jī)器學(xué)習(xí)模型規(guī)模相對(duì)較小,參數(shù)數(shù)量通常只有幾千幾百萬(wàn)個(gè),模型結(jié)構(gòu)相對(duì)簡(jiǎn)單
    的頭像 發(fā)表于 10-23 15:01 ?2559次閱讀

    【「時(shí)間序列與機(jī)器學(xué)習(xí)」閱讀體驗(yàn)】時(shí)間序列的信息提取

    個(gè)重要環(huán)節(jié),目標(biāo)是給定的時(shí)間序列數(shù)據(jù)中提取出有用的信息和特征,支持后續(xù)的分析和預(yù)測(cè)任務(wù)。 特征工程(Feature Engineering)是將
    發(fā)表于 08-17 21:12

    【《時(shí)間序列與機(jī)器學(xué)習(xí)》閱讀體驗(yàn)】+ 時(shí)間序列的信息提取

    本人有些機(jī)器學(xué)習(xí)的基礎(chǔ),理解起來(lái)一點(diǎn)也不輕松,加油。 作者首先說(shuō)明了時(shí)間序列的信息提取是時(shí)間序列分析的一個(gè)重要環(huán)節(jié),目標(biāo)是給定的時(shí)間序列數(shù)據(jù)中提取出有用的信息和特征,
    發(fā)表于 08-14 18:00

    【「時(shí)間序列與機(jī)器學(xué)習(xí)」閱讀體驗(yàn)】全書(shū)概覽與時(shí)間序列概述

    數(shù)據(jù)中提取特征并將其轉(zhuǎn)化為交易策略,以及機(jī)器學(xué)習(xí)在其他金融領(lǐng)域(包括資產(chǎn)定價(jià)、資產(chǎn)配置、波動(dòng)率預(yù)測(cè))的應(yīng)用。 全書(shū)彩版印刷,內(nèi)容結(jié)構(gòu)嚴(yán)整,條
    發(fā)表于 08-07 23:03

    【《大語(yǔ)言模型應(yīng)用指南》閱讀體驗(yàn)】+ 基礎(chǔ)知識(shí)學(xué)習(xí)

    語(yǔ)言的表達(dá)方式和生成能力。通過(guò)預(yù)測(cè)文本缺失的部分或下一個(gè)詞,模型逐漸掌握語(yǔ)言的規(guī)律和特征。 常用的模型結(jié)構(gòu) Transformer架構(gòu):大語(yǔ)言
    發(fā)表于 08-02 11:03