Что мы можем сделать с тензорной факторизацией?

Question

У меня три вопроса о тензорной факторизации.

1. как обстоят дела (или применение) для тензорной факторизации (разложения)?
2. насколько вероятно, что это станет основной технологией в будущем?
3. Как вы используете его?

Answer 1

Тензорная факторизация - мощный инструмент для моделирования пространственно-временных данных. Чтобы лучше понять тензорную факторизацию и ее приложения, неплохо начать с вменения реальных данных трафика. В городских транспортных системах мы могли бы собирать данные временного ряда, показывающие скорость / объем дорожного движения из разных пространственных точек, и эти данные действительно являются тензорами. Однако проблема отсутствия данных неизбежна при сборе этих данных. Поэтому, как показано на рисунке 1, в нашем недавнем исследовании мы предлагаем решение на основе тензорного завершения для вменения отсутствующих данных трафика.

Рисунок 1: Графическая иллюстрация задачи завершения тензора для частично наблюдаемых измерений трафика.

Здесь мы также предоставляем наш байесовский тензорный код факторизации для вменения недостающих данных о трафике (оцениваемых на общедоступном наборе данных скорости движения в Гуанчжоу, наборе данных о парковках Бирмингема, наборе данных о пассажиропотоке в метро Ханчжоу и наборе данных о спросе на такси Нью-Йорка) с реализацией Python (в основном при поддержке Numpy). Если вы хотите узнать больше о факторизации байесовского тензора и его реализации, прочтите следующие статьи:

• Как вменить пространственно-временные отсутствующие данные трафика с факторизацией байесовского тензора Гаусса в Python? (Блокнот Jupyter)

• transdim (GitHub): условное исчисление транспортных данных с использованием моделей машинного обучения.

• X. Chen, Z. He, L. Sun (2019). Подход на основе байесовского тензора для вменения пространственно-временных данных трафика. Транспортные исследования, часть C: Новые технологии, 98: 73-84.

• X. Chen, Z. He, Y. Chen и др. (2019). Вменение отсутствующих данных трафика и обнаружение закономерностей с помощью байесовской модели расширенной тензорной факторизации. Транспортные исследования, часть C: Новые технологии, 104: 66-77.