Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
論文読み会 SIG-SPATIAL'21 | Brownian Bridge Interpol...
Search
cocomoff
December 14, 2021
Research
0
340
論文読み会 SIG-SPATIAL'21 | Brownian Bridge Interpolation for Human Mobility?
論文読み会のための資料
(A slide for the paper-reading group at my company.)
cocomoff
December 14, 2021
Tweet
Share
More Decks by cocomoff
See All by cocomoff
論文読み会 AMAI | Personalized choice prediction with less user information
cocomoff
0
13
論文読み会 KDD2024 | Relevance meets Diversity: A User-Centric Framework for Knowledge Exploration through Recommendations
cocomoff
0
160
論文読み会 KDD2022 | Multi-Behavior Hypergraph-Enhanced Transformer for Sequential Recommendation
cocomoff
0
70
論文読み会 AISTATS2024 | Deep Learning-Based Alternative Route Computation
cocomoff
0
29
論文読み会 AAAI2021 | Knowledge-Enhanced Top-K Recommendation in Poincaré Ball
cocomoff
0
58
論文読み会 WWW2022 | Learning Probabilistic Box Embeddings for Effective and Efficient Ranking
cocomoff
0
260
ClimaX: A foundation model for weather and climate
cocomoff
0
520
論文読み会 AAAI2022 | MIP-GNN: A Data-Driven Framework for Guiding Combinatorial Solvers
cocomoff
0
180
論文読み会 EMNLP2021 | Decision-Focused Summarization
cocomoff
0
180
Other Decks in Research
See All in Research
Whoisの闇
hirachan
3
280
A Segment Anything Model based weakly supervised learning method for crop mapping using Sentinel-2 time series images
satai
2
130
20241115都市交通決起集会 趣旨説明・熊本事例紹介
trafficbrain
0
980
複数データセットを用いた動作認識
yuyay
0
110
移動ビッグデータに基づく地理情報の埋め込みベクトル化
tam1110
0
230
The Economics of Platforms 輪読会 第1章
tomonatu8
0
140
Practical The One Person Framework
asonas
1
2.1k
AIトップカンファレンスからみるData-Centric AIの研究動向 / Research Trends in Data-Centric AI: Insights from Top AI Conferences
tsurubee
3
1.5k
TransformerによるBEV Perception
hf149
1
690
打率7割を実現する、プロダクトディスカバリーの7つの極意(pmconf2024)
geshi0820
0
300
AWS 音声基盤モデル トーク解析AI MiiTelの音声処理について
ken57
0
130
情報処理学会関西支部2024年度定期講演会「自然言語処理と大規模言語モデルの基礎」
ksudoh
10
2.5k
Featured
See All Featured
Fashionably flexible responsive web design (full day workshop)
malarkey
406
66k
The Art of Programming - Codeland 2020
erikaheidi
53
13k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
7
630
It's Worth the Effort
3n
184
28k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
30
4.6k
Reflections from 52 weeks, 52 projects
jeffersonlam
348
20k
Art, The Web, and Tiny UX
lynnandtonic
298
20k
Build The Right Thing And Hit Your Dates
maggiecrowley
34
2.5k
Java REST API Framework Comparison - PWX 2021
mraible
28
8.4k
Designing for Performance
lara
604
68k
Thoughts on Productivity
jonyablonski
69
4.5k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
233
17k
Transcript
Brownian Bridge Interpolation for Human Mobility? 著者: John Krumm, Microsoft
Research 読む人: @cocomoff @論文読み会 2021/12/14
内容 「Brownian bridge」っていう簡単な確率的補間手法があるけど,これっ て人間の位置情報の補間に使えるのか? を調べるために,12M人のデータ に対して実際に適用してやってみた & 適用するために手法も確立した ブラウン橋 1/17
目次 内容 確率過程とブラウン橋 論文のResearch Question ブラウン橋のパラメータを求める最尤推定法 実験 2/17
確率過程とブラウン橋 (1/3) 確率過程: 時間などの条件によって変化する確率変数の数理モデル 雑な理解: のようなオブジェクトを扱う道具 マルコフ過程: が にのみ依存する ガウス過程:
から任意に 個取り出して (略) したものが 常に多次元正規分布に従うような確率過程 ブラウン運動: 微粒子がランダムに運動する物理現象 ウィーナー過程: ブラウン運動の数学的なモデル 標準ブラウン運動: 以下を満たす確率過程 , は定常増分を持つ, は増分の列が互い に独立になる, ,確率1で は連続 3/17 マルコフ過程のうち,取りうる値が加算個以下の場合,マルコフ連鎖と呼ばれるアレになる
確率過程とブラウン橋 (2/3) ブラウン橋: 標準ブラウン運動の定義域 を にのみ制限し, であるような標準ブラウン運動 実装的には, を標準ブラウン運動のオブジェクトとして, で定義されるような
である 4/17
確率過程とブラウン橋 (3/3) 2次元のブラウン橋 (論文版): 2点 が観測済みで,その間をパラメー タ で補間するような確率過程 ただしパラメータは2点の線形補間 平均ベクトル:
分散は は唯一のパラメータ (diffusion coefficient と呼ばれる) 5/17
目次 内容 確率過程とブラウン橋 論文のResearch Question ブラウン橋のパラメータを求める最尤推定法 実験 6/17
論文のResearch Question ブラウン橋の手法的な立ち位置 ブラウン橋は人流データ補間に対してどういう性質を持つのか パラメータが でシンプルだけど,本当にOK? 2つの角度から検証する diffusion coefficient の
consistency を確認する 既存手法が遅いので,最尤推定法を作った ブラウン橋とデータの間で統計的検定をしてみる 7/17
目次 内容 確率過程とブラウン橋 論文のResearch Question ブラウン橋のパラメータを求める最尤推定法 実験 8/17
点の取り方 ブラウン橋は2点の補間なので,人流データから点を抽出して計算する 論文で使ったデータ (左の範囲) 論文では「50km以内」「48時間以内」の点を使った パラメータ推定のために3点を抽出して推定する 右図の取り方が Horne triples と呼ばれている
(traditional method) 本論文では全3点取る場合も考えて All triples と呼ぶ 論文データではHornが286,541,325個,Allが173,844,732,847個 9/17
最尤推定法 データ 位置 の尤度 データに 個の3点があるので, として最尤推定する 頑張って式展開すると以下が求まる ( )
10/17
推定パラメータの使い方とデータ分割 | 個人単位 データ (例えば人流) に対してどのように推定値 を使うのか Horne triplesとAll triplesを計算し,データ中の個人が持つtriplesの個数
をカウントする (たぶん1つの を使っていいのか?を見たい) 11/17
個人をグループ分けして複数のパラメータを推定する | 分割単位 距離と時間の分かれぐらいでグループ分けして推定するのもアリ 分解能を とし,データ全体を で分け,全体で を1000分割, を576分割し,全部で576,000個に分割して個数を可視化 12/17
目次 内容 確率過程とブラウン橋 論文のResearch Question ブラウン橋のパラメータを求める最尤推定法 実験 13/17
Diffusion Coefficientsの推定 いろいろ推定した (individual vs collective, trimmed vs untrimmed) 結論
データでは人は単一の を持っていない Horne triplesとAll triplesでの差は大きくないが,傾向もない 簡単に関連付けて結論付ける方法はなさそう 14/17
統計的検定 | 平均ベクトルのHotelling's T-square test ブラウン橋では間の点 について を期待 帰無仮説: 期待ベクトルがゼロベクトルになる
を変更した場合,どれぐらい検定が失敗するかのカーブを調べた Horn triplesを使うときはreasonableだが,all triplesでは…? 15/17
統計的検定 | ガウス分布の検定 2点の間を予測する確率が正規分布で書けることから,中間点が実際にガ ウス分布に従っているか?を検定で確認すれば良い (正規性の検定) と変数変換すると, である.今真の が分からないので, と設
定した (正規性を怖さないからOK,というノリ) Henze-Zirkler testを利用した (最新のmultivariate nomality test) 16/17
まとめ やりたかったこと: 人流補間にブラウン橋が使えるのか? 検討したこと の検証: 最尤推定を提案した上で計算すると,人流の共通パラメ ータはなさそう.1つ選ぶならmedianとかを使うのが良さそう データと比較した検定: (1) Horn
triplesに対して,平均ベクトルはvalid (2) データはほとんどガウス分布に従っていないので,ブラウ ン橋はデータの補間として正確ではない そのためシンプルなブラウン橋でのタイトルへの答えは No 今後の課題 より複雑な過程,他の確率的な補間の検証,データからの学習 17/17