인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
센서기술의 발달로 자동차나 사람으로부터 수집되는 이동경로 데이터의 양이 급증하고 있다. 이러한 이동경로 데이터로부터 유의미한 결과를 이끌어내기 위해서 현재까지 많은 연구들이 활발히 진행되고 있다. 그 중 자연어 처리 등 타 분야에서 두각을 나타낸 딥러닝을 이용한 연구들이 최근 시도되었으나, 이동경로 데이터만의 고유한 특성을 효과적으로 인코딩하는 방법은 아직 많이 연구되지 않았다. 본 논문에서는 이동경로 데이터의 특성을 표현하는 인코딩 방법론 5가지와 그에 맞는 정규화과정을 소개하고, 이에 대한 비교실험을 통해 성능을 비교하고자 한다. Microsoft Geolife 데이터를 활용하여 LSTM기반의 딥러닝 모델을 학습하고 교통수단(Transportation Mode) 분류를 수행한 결과, 임베딩과 결합된 One-Hot Encoding 기반 정규화 방법론이 성능과 속도 측면에서 비교모델 중 가장 우수한 것으로 관측되었다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
