文件名称：LSTM-Mobility-Model：使用Tensorflow的LSTM Mobility Model实现
文件大小：560KB
文件格式：ZIP
更新时间：2024-02-25 11:50:32
python deep-learning time-series tensorflow transportation
LSTM移动模型 LSTM Mobility Model的Tensorflow实现可学习具有空间和时间特征的人类活动轨迹的轨迹。 什么是人类活动轨迹？ 人类活动轨迹是固定活动的序列。 固定活动是指某人在某处停留一段时间以做某事。 因此，固定活动具有以下特征：开始时间，持续时间，位置和目的。 还有其他类型的时间序列问题吗？ LSTM Mobility Model的实现提供了在一个模型中组合离散和多维连续特征的良好示例。 可以针对您的问题轻松修改实现。 如果您需要其他帮助，请随时与我联系。 它是如何工作的？ 为了对类似于人的活动选择决策建模，我设计了如下所示的两层模型结构。 第一层为活动类型
【文件预览】：
LSTM-Mobility-Model-master
----lstm_mobility_model()
--------two_layer_latlng_location()
--------config()
--------load()
--------components()
--------single_layer_model()
--------two_layer_categorical_location()
----images()
--------activity_flow.png(80KB)
--------two_layers_sampling_other.png(116KB)
--------LSTM_diagram.png(24KB)
--------LSTM_diagram_2_layers.png(74KB)
----sample_data()
--------sample_data_0.csv(14KB)
----LICENCE(1KB)
----examples()
--------save()
--------Two Layers Lat Lng Location.ipynb(76KB)
--------Two Layers Categorical Location.ipynb(77KB)
--------Single Layer.ipynb(35KB)
----.gitignore(38B)
----README.md(2KB)