Matches in SemOpenAlex for { <https://semopenalex.org/work/W3199354369> ?p ?o ?g. }
Showing items 1 to 33 of
33
with 100 items per page.
- W3199354369 abstract "Les donnees d'utilisation des smartphones peuvent etre utilisees pour etudier la mobilite humaine que ce soit en environnement exterieur ouvert ou a l'interieur de bâtiments. Dans ce travail, nous etudions ces deux aspects de la mobilite humaine en proposant des algorithmes de machine learning adapte aux sources d'information disponibles dans chacun des contextes.Pour l'etude de la mobilite en environnement exterieur, nous utilisons les donnees de coordonnees GPS collectees pour decouvrir les schemas de mobilite quotidiens des utilisateurs. Pour cela, nous proposons un algorithme de clustering automatique utilisant le Dirichlet process Gaussian mixture model (DPGMM) afin de regrouper les trajectoires GPS quotidiennes. Cette methode de segmentation est basee sur l'estimation des densites de probabilite des trajectoires, ce qui attenue les problemes causes par le bruit des donnees.Concernant l'etude de la mobilite humaine dans les bâtiments, nous utilisons les donnees d'empreintes digitales WiFi collectees par les smartphones. Afin de predire la trajectoire d'un individu a l'interieur d'un bâtiment, nous avons concu un modele hybride d'apprentissage profond, appele convolutional mixture density recurrent neural network (CMDRNN), qui combine les avantages de differents reseaux de neurones profonds multiples. De plus, en ce qui concerne la localisation precise en interieur, nous supposons qu'il existe une distribution latente regissant l'entree et la sortie en meme temps. Sur la base de cette hypothese, nous avons developpe un modele d'apprentissage semi-supervise base sur le variational autoencoder (VAE). Dans la procedure d'apprentissage non supervise, nous utilisons un modele VAE pour apprendre une distribution latente de l'entree qui est composee de donnees d'empreintes digitales WiFi. Dans la procedure d'apprentissage supervise, nous utilisons un reseau de neurones pour calculer la cible, coordonnees par l'utilisateur. De plus, sur la base de la meme hypothese utilisee dans le modele d'apprentissage semi-supervise base sur le VAE, nous exploitons la theorie des goulots d'etranglement de l'information pour concevoir un modele base sur le variational information bottleneck (VIB). Il s'agit d'un modele d'apprentissage en profondeur de bout en bout plus facile a former et offrant de meilleures performances.Enfin, les methodes proposees ont ete validees sur plusieurs jeux de donnees publics acquis en situation reelle. Les resultats obtenus ont permis de verifier l'efficacite de nos methodes par rapport a l'existant." @default.
- W3199354369 created "2021-09-27" @default.
- W3199354369 creator A5059854792 @default.
- W3199354369 date "2020-12-07" @default.
- W3199354369 modified "2023-09-23" @default.
- W3199354369 title "Discovering human mobility from mobile data : probabilistic models and learning algorithms" @default.
- W3199354369 hasPublicationYear "2020" @default.
- W3199354369 type Work @default.
- W3199354369 sameAs 3199354369 @default.
- W3199354369 citedByCount "0" @default.
- W3199354369 crossrefType "dissertation" @default.
- W3199354369 hasAuthorship W3199354369A5059854792 @default.
- W3199354369 hasConcept C142362112 @default.
- W3199354369 hasConcept C154945302 @default.
- W3199354369 hasConcept C15708023 @default.
- W3199354369 hasConcept C17744445 @default.
- W3199354369 hasConcept C205649164 @default.
- W3199354369 hasConcept C41008148 @default.
- W3199354369 hasConcept C58640448 @default.
- W3199354369 hasConceptScore W3199354369C142362112 @default.
- W3199354369 hasConceptScore W3199354369C154945302 @default.
- W3199354369 hasConceptScore W3199354369C15708023 @default.
- W3199354369 hasConceptScore W3199354369C17744445 @default.
- W3199354369 hasConceptScore W3199354369C205649164 @default.
- W3199354369 hasConceptScore W3199354369C41008148 @default.
- W3199354369 hasConceptScore W3199354369C58640448 @default.
- W3199354369 hasLocation W31993543691 @default.
- W3199354369 hasOpenAccess W3199354369 @default.
- W3199354369 hasPrimaryLocation W31993543691 @default.
- W3199354369 isParatext "false" @default.
- W3199354369 isRetracted "false" @default.
- W3199354369 magId "3199354369" @default.
- W3199354369 workType "dissertation" @default.