ترجمه فارسی مقاله کشف ترجیحات بصری خیابان دوچرخه سواران از طریق داده های بزرگ چند منبعی با استفاده از یادگیری تقویتی معکوس عمیق

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Discovering Cyclists' Street Visual Preferences Through Multi-Source Big Data Using Deep Inverse Reinforcement Learning
عنوان مقاله به فارسی کشف ترجیحات بصری خیابان دوچرخه سواران از طریق داده های بزرگ چند منبعی با استفاده از یادگیری تقویتی معکوس عمیق
نویسندگان Ren Kezhou, Gong Yongxi
فرمت مقاله انگلیسی PDF
تعداد صفحات 35
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Human-Computer Interaction,یادگیری ماشین , تعامل انسان و رایانه ,
توضیحات Submitted 4 September, 2024; originally announced September 2024. , Comments: 38 pages, 16 figures
توضیحات به فارسی ارسال شده در 4 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 38 صفحه ، 16 شکل
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Cycling has gained global popularity for its health benefits and positive urban impacts. To effectively promote cycling, early studies have extensively investigated the relationship between cycling behaviors and environmental factors, especially cyclists' preferences when making route decisions. However, these studies often struggle to comprehensively describe detailed cycling procedures at a large scale due to data limitations, and they tend to overlook the complex nature of cyclists' preferences. To address these issues, we propose a novel framework aimed to quantify and interpret cyclists' complicated street visual preferences from cycling records by leveraging maximum entropy deep inverse reinforcement learning (MEDIRL) and explainable artificial intelligence (XAI). Implemented in Bantian Sub-district, Shenzhen, we adapt MEDIRL model for efficient estimation of cycling reward function by integrating dockless-bike-sharing (DBS) trajectory and street view images (SVIs), which serves as a representation of cyclists' preferences for street visual environments during routing. In addition, we demonstrate the feasibility and reliability of MEDIRL in discovering cyclists' street visual preferences. Further analysis reveals the nonlinear and interactive effects of street visual elements on cyclists' preferences, offering a holistic perspective on streetscape design. Our proposed framework advances the understanding of individual cycling behaviors and provides actionable insights for urban planners to design bicycle-friendly streetscapes that prioritize cyclists' preferences.

چکیده به فارسی (ترجمه ماشینی)

دوچرخه سواری به دلیل فواید سلامتی و تأثیرات مثبت شهری ، محبوبیت جهانی کسب کرده است.برای ترویج موثر دوچرخه سواری ، مطالعات اولیه به طور گسترده رابطه بین رفتارهای دوچرخه سواری و عوامل محیطی ، به ویژه ترجیحات دوچرخه سواران هنگام تصمیم گیری در مسیر را بررسی کرده است.با این حال ، این مطالعات غالباً به دلیل محدودیت داده ها برای توصیف جامع روشهای دوچرخه سواری دقیق در مقیاس بزرگ تلاش می کنند ، و آنها تمایل دارند از ماهیت پیچیده ترجیحات دوچرخه سواران غافل شوند.برای پرداختن به این موضوعات ، ما یک چارچوب جدید با هدف تعیین کمیت و تفسیر ترجیحات بصری پیچیده خیابان دوچرخه سواران از سوابق دوچرخه سواری با استفاده از حداکثر آنتروپی آنتروپی معکوس یادگیری تقویت کننده عمیق (MEDIRL) و هوش مصنوعی قابل توضیح (XAI) پیشنهاد می کنیم.ما در زیر منطقه بانتی ، شنژن اجرا شده است ، ما مدل MEDIRL را برای برآورد کارآمد عملکرد پاداش دوچرخه سواری با ادغام مسیر دوچرخه سواری (DBS) و تصاویر دید خیابان (SVIS) سازگار می کنیم ، که به عنوان نمایانگر ترجیحات دوچرخه سواران برای خیابان است.محیط های بصری در طول مسیریابی.علاوه بر این ، ما امکان سنجی و قابلیت اطمینان MEDIRL در کشف ترجیحات بصری خیابان دوچرخه سواران را نشان می دهیم.تجزیه و تحلیل بیشتر اثرات غیرخطی و تعاملی عناصر بصری خیابانی را بر ترجیحات دوچرخه سواران نشان می دهد و یک چشم انداز جامع در طراحی خیابان را ارائه می دهد.چارچوب پیشنهادی ما درک رفتارهای دوچرخه سواری فردی را پیشرفت می کند و بینش های عملی را برای برنامه ریزان شهری فراهم می کند تا از خیابان های دوستانه دوچرخه طراحی کنند که اولویت های دوچرخه سواران را در اولویت قرار می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.