ОБРАБОТКА ГЕОЛОКАЦИОННОЙ ИНФОРМАЦИИ КАК...
TRANSCRIPT
ОБРАБОТКА ГЕОЛОКАЦИОННОЙ ИНФОРМАЦИИ КАК ПРАКТИЧЕСКАЯ ЗАДАЧА МАШИННОГО ОБУЧЕНИЯ
GEO-DATA PROCESSING AS A PRACTICAL
MACHINE LEARNING TASK
А. Головковассистент, аспирант каф. ИУ6
Г. Ивановад.т.н., проф каф. ИУ6
МГТУ им. Н.Э. Баумана
МАШИННОЕ ОБУЧЕНИЕ
• Область искусственного интеллекта
• Регрессия, классификация, кластеризация и др.
• Сложные практические задачи
• Много данных
ПАРАЛЛЕЛЬНЫЕ ВЫЧИСЛЕНИЯ
АППАРАТНЫЕ И ПРОГРАММНЫЕ СРЕДСТВА
• CPU (OpenMP, MPI, OpenACC, OpenCL, …)
• GPU CUDA (CUDA API, OpenACC, …)
• Python, R, MathLab + Libraries…
ЗАДАЧА ОБРАБОТКИ ГЕОЛОКАЦИОННОЙ ИНФОРМАЦИИИсточники данных:
• GPS/GLONASS/Galileo/GNSS
• Wi-Fi
• Bluetooth маячки (iBeacon)
• Сотовые вышки
ПРОБЛЕМЫ• низкая точность геоданных: переотражение сигнала, высокое энергопотребление, выбросы координат, wi-fi (данные без скорости), сотовые вышки (низкая реальная точность при высокой рассчитанной)
• регулярность трека• ненормализованность данных от разных источников• отсутствие «гладкости» трека• большой объем данных• геопозиционирование в помещениях• определение стоянок и времени стоянок
,(!"#$"!%$,,T( 5$,,T(
НЕОБРАБОТАННЫЕ ДАННЫЕ
РЕШЕНИЕ
• Системы фильтров
• Машинное обучение (нейронные сети, CNN, RBM…)
РЕЗУЛЬТАТ
• Accuracy = 0.870774(true positives + true negatives) / All
• F score = 0.929952
#(47)S%$%
,(!"#$"!%$,,T( 5$,,T(
ЗАКЛЮЧЕНИЕ
• Параллельные алгоритмы машинного обучения
• Конкретная практическая задача
• Новая область
• Вычислительные ресурсы
СПАСИБО ЗА ВНИМАНИЕ!
МГТУ им. Н.Э. Баумана
А. Головковаспирант, ассистент каф. ИУ6
Г. Ивановад.т.н., проф каф. ИУ6