ترجمه فارسی مقاله NUMOSIM: مجموعه داده های تحرک مصنوعی با معیارهای تشخیص ناهنجاری

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 NUMOSIM: A Synthetic Mobility Dataset with Anomaly Detection Benchmarks
عنوان مقاله به فارسی NUMOSIM: مجموعه داده های تحرک مصنوعی با معیارهای تشخیص ناهنجاری
نویسندگان Chris Stanford, Suman Adari, Xishun Liao, Yueshuai He, Qinhua Jiang, Chenchen Kuai, Jiaqi Ma, Emmanuel Tung, Yinlong Qian, Lingyi Zhao, Zihao Zhou, Zeeshan Rasheed, Khurram Shafique
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 6 September, 2024; v1 submitted 4 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 6 سپتامبر 2024 ؛V1 ارسال شده در 4 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
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

Collecting real-world mobility data is challenging. It is often fraught with privacy concerns, logistical difficulties, and inherent biases. Moreover, accurately annotating anomalies in large-scale data is nearly impossible, as it demands meticulous effort to distinguish subtle and complex patterns. These challenges significantly impede progress in geospatial anomaly detection research by restricting access to reliable data and complicating the rigorous evaluation, comparison, and benchmarking of methodologies. To address these limitations, we introduce a synthetic mobility dataset, NUMOSIM, that provides a controlled, ethical, and diverse environment for benchmarking anomaly detection techniques. NUMOSIM simulates a wide array of realistic mobility scenarios, encompassing both typical and anomalous behaviours, generated through advanced deep learning models trained on real mobility data. This approach allows NUMOSIM to accurately replicate the complexities of real-world movement patterns while strategically injecting anomalies to challenge and evaluate detection algorithms based on how effectively they capture the interplay between demographic, geospatial, and temporal factors. Our goal is to advance geospatial mobility analysis by offering a realistic benchmark for improving anomaly detection and mobility modeling techniques. To support this, we provide open access to the NUMOSIM dataset, along with comprehensive documentation, evaluation metrics, and benchmark results.

چکیده به فارسی (ترجمه ماشینی)

جمع آوری داده های تحرک در دنیای واقعی چالش برانگیز است.غالباً مملو از نگرانی های مربوط به حریم خصوصی ، مشکلات لجستیکی و تعصبات ذاتی است.علاوه بر این ، حاشیه نویسی دقیق ناهنجاری ها در داده های در مقیاس بزرگ تقریباً غیرممکن است ، زیرا خواستار تلاش دقیق برای تشخیص الگوهای ظریف و پیچیده است.این چالش ها به طور قابل توجهی مانع پیشرفت در تحقیقات تشخیص ناهنجاری های جغرافیایی با محدود کردن دسترسی به داده های قابل اعتماد و پیچیده کردن ارزیابی دقیق ، مقایسه و معیار روش شناسی می شود.برای پرداختن به این محدودیت ها ، ما یک مجموعه داده تحرک مصنوعی ، NumoSim را معرفی می کنیم که محیطی کنترل شده ، اخلاقی و متنوعی را برای معیار تکنیک های تشخیص ناهنجاری فراهم می کند.Numosim طیف گسترده ای از سناریوهای تحرک واقع گرایانه را شبیه سازی می کند ، که شامل رفتارهای معمولی و غیر عادی است ، که از طریق مدلهای یادگیری عمیق پیشرفته آموزش داده شده بر روی داده های تحرک واقعی ایجاد می شود.این رویکرد به NumoSim اجازه می دهد تا پیچیدگی های الگوهای حرکت در دنیای واقعی را به طور دقیق تکرار کند در حالی که ناهنجاری های استراتژیک را برای به چالش کشیدن و ارزیابی الگوریتم های تشخیص بر اساس چگونگی ضبط تعامل بین عوامل جمعیت شناختی ، جغرافیایی و زمانی تزریق می کند.هدف ما پیشبرد تجزیه و تحلیل تحرک جغرافیایی با ارائه یک معیار واقعی برای بهبود تشخیص ناهنجاری و تکنیک های مدل سازی تحرک است.برای پشتیبانی از این ، ما دسترسی آزاد به مجموعه داده NumoSim ، همراه با مستندات جامع ، معیارهای ارزیابی و نتایج معیار را فراهم می کنیم.

📚 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.