搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評論與回復
      VIP于 到期 續(xù)費
      登錄后你可以
      • 下載海量資料
      • 學習在線課程
      • 觀看技術(shù)視頻
      • 寫文章/發(fā)帖/加入社區(qū)
      會員中心
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動

      完善資料讓更多小伙伴認識你，還能領(lǐng)取20積分哦，立即完善>

      3天內(nèi)不再提示

      AI如何幫助其使用神經(jīng)網(wǎng)絡(luò)收集數(shù)據(jù)以預測未來的流量

      倩倩 ? 來源：百度粉絲網(wǎng) ? 2020-09-10 09:56 ? 次閱讀

      Google Maps受到位于倫敦的AI實驗室Deep Minds的幫助，該實驗室由Google的母公司Alphabet擁有，可以為用戶提供準確的結(jié)果。谷歌在博客文章中解釋了AI如何幫助其使用神經(jīng)網(wǎng)絡(luò)收集數(shù)據(jù)以預測未來的流量。

      The Verge指出，這些數(shù)據(jù)包括從Android設(shè)備匿名收集的實時交通信息，歷史交通數(shù)據(jù)，速度限制和當?shù)卣慕ㄖさ氐?a target="_blank">信息，以及任何給定道路的質(zhì)量，大小和方向等因素。Google地圖產(chǎn)品經(jīng)理Johann Lau在博客文章中寫道：“然后，我們使用機器學習將歷史交通模式的數(shù)據(jù)庫與實時交通狀況結(jié)合起來，以基于兩組數(shù)據(jù)生成預測?！?/p>

      除了AI之外，Google還依賴于地方政府機構(gòu)的流量數(shù)據(jù)和用戶的實時反饋。

      Google指出，其出行量預測對97%以上的出行始終保持準確。對于明顯的預計到達時間（ETA）錯誤，Google使用Graph Neural Networks來幫助DeepMind，以幫助其實現(xiàn)準確性。Google指出，它在柏林，雅加達，圣保羅，悉尼，東京和華盛頓特區(qū)都取得了進步。通過神經(jīng)網(wǎng)絡(luò)，Google Maps甚至可以在行程開始之前就更好地預測行程。

      根據(jù)Google的說法，自COVID 19開始以來，全球的流量模式已發(fā)生了巨大變化，因此它將優(yōu)先考慮過去兩到四周的歷史流量模式，并優(yōu)先考慮之前的任何時間。

      在相關(guān)新聞中，Google Maps正在測試該應用程序的暗模式。到目前為止，用戶可以在導航選項中使用暗模式，但是根據(jù)9to5Google的報告，Google可能會推出應用范圍內(nèi)的暗模式。但是，只有APK版本由Google上傳到Play商店，這意味著它們可能會或可能不會實現(xiàn)。

      Google Maps 10.5.0版本在“設(shè)置”中描述了一個新的“外觀”菜單，用戶將在其中具有三個選項：默認為設(shè)備主題，深色主題和淺色主題。該報告指出，創(chuàng)建深色地圖可能是一項艱巨的工作，而不是像倒轉(zhuǎn)顏色那樣簡單。

      聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。 舉報投訴
      • Google
        +關(guān)注

        關(guān)注

        5

        文章

        1752

        瀏覽量

        57335
      • 數(shù)據(jù)庫
        +關(guān)注

        關(guān)注

        7

        文章

        3740

        瀏覽量

        64185
      • 機器學習
        +關(guān)注

        關(guān)注

        66

        文章

        8330

        瀏覽量

        132221
      收藏 人收藏

        評論

        相關(guān)推薦

        關(guān)于卷積神經(jīng)網(wǎng)絡(luò)，這些概念你厘清了么~

        取特征的強大工具，例如識別音頻信號或圖像信號中的復雜模式就是其應用之一。 1、什么是卷積神經(jīng)網(wǎng)絡(luò)？ 神經(jīng)網(wǎng)絡(luò)是一種由神經(jīng)元組成的系統(tǒng)或結(jié)構(gòu)，它使A
        發(fā)表于 10-24 13:56

        BP神經(jīng)網(wǎng)絡(luò)預測模型的建模步驟

        BP（Backpropagation）神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，其核心思想是通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置，從而實現(xiàn)對輸入數(shù)據(jù)
        的頭像 發(fā)表于 07-11 16:57 ?1057次閱讀

        python做bp神經(jīng)網(wǎng)絡(luò)預測數(shù)據(jù)

        BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）是一種多層前饋神經(jīng)網(wǎng)絡(luò)，通過反向傳播算法進行訓練。它在許多領(lǐng)域，如模式識別、數(shù)據(jù)挖掘、預測分析等，都有廣泛的
        的頭像 發(fā)表于 07-11 10:54 ?825次閱讀

        bp神經(jīng)網(wǎng)絡(luò)預測模型建模步驟

        BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）是一種多層前饋神經(jīng)網(wǎng)絡(luò)，其核心思想是通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置，從而實現(xiàn)對輸入
        的頭像 發(fā)表于 07-11 10:52 ?373次閱讀

        BP神經(jīng)網(wǎng)絡(luò)樣本的獲取方法

        的訓練樣本是至關(guān)重要的。 數(shù)據(jù)收集 數(shù)據(jù)收集是構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型的第一步。根據(jù)研究領(lǐng)域和應用場景的不同，
        的頭像 發(fā)表于 07-11 10:50 ?403次閱讀

        BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

        BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡稱ANNs）之間的關(guān)系與區(qū)別，是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應用及未來
        的頭像 發(fā)表于 07-10 15:20 ?609次閱讀

        神經(jīng)網(wǎng)絡(luò)預測模型的構(gòu)建方法

        神經(jīng)網(wǎng)絡(luò)模型作為一種強大的預測工具，廣泛應用于各種領(lǐng)域，如金融、醫(yī)療、交通等。本文將詳細介紹神經(jīng)網(wǎng)絡(luò)預測模型的構(gòu)建方法，包括模型設(shè)計、數(shù)據(jù)集
        的頭像 發(fā)表于 07-05 17:41 ?515次閱讀

        rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

        RNN（Recurrent Neural Network）是循環(huán)神經(jīng)網(wǎng)絡(luò)，而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時間序列特性的神經(jīng)網(wǎng)絡(luò)，能夠處理序列
        的頭像 發(fā)表于 07-05 09:52 ?437次閱讀

        rnn是什么神經(jīng)網(wǎng)絡(luò)模型

        RNN（Recurrent Neural Network，循環(huán)神經(jīng)網(wǎng)絡(luò)）是一種具有循環(huán)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型，它能夠處理序列數(shù)據(jù)，并對序列中的元素進行建模。RNN在自然語言處理、語音識別、時間序列
        的頭像 發(fā)表于 07-05 09:50 ?461次閱讀

        遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)嗎

        。 遞歸神經(jīng)網(wǎng)絡(luò)的概念 遞歸神經(jīng)網(wǎng)絡(luò)是一種具有短期記憶功能的神經(jīng)網(wǎng)絡(luò)，它能夠處理序列數(shù)據(jù)，如時間序列、文本、語音等。與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)不同
        的頭像 發(fā)表于 07-04 14:54 ?552次閱讀

        神經(jīng)網(wǎng)絡(luò)預測誤差大小怎么看

        神經(jīng)網(wǎng)絡(luò)預測誤差大小是衡量神經(jīng)網(wǎng)絡(luò)性能的重要指標之一。本文將介紹如何評估神經(jīng)網(wǎng)絡(luò)預測誤差大小，包括誤差的定義、評估方法、誤差分析以及誤差優(yōu)化
        的頭像 發(fā)表于 07-03 10:41 ?625次閱讀

        如何使用神經(jīng)網(wǎng)絡(luò)進行建模和預測

        輸入信號，對其進行加權(quán)求和，然后通過激活函數(shù)進行非線性轉(zhuǎn)換，生成輸出信號。通過這種方式，神經(jīng)網(wǎng)絡(luò)可以學習輸入數(shù)據(jù)的復雜模式和關(guān)系。 神經(jīng)網(wǎng)絡(luò)的類型
        的頭像 發(fā)表于 07-03 10:23 ?539次閱讀

        bp神經(jīng)網(wǎng)絡(luò)模型怎么算預測值

        BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network，簡稱BP網(wǎng)絡(luò)）是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置，從而實現(xiàn)對輸入
        的頭像 發(fā)表于 07-03 09:59 ?545次閱讀

        建立神經(jīng)網(wǎng)絡(luò)模型的三個步驟

        建立神經(jīng)網(wǎng)絡(luò)模型是一個復雜的過程，涉及到多個步驟和細節(jié)。以下是對建立神經(jīng)網(wǎng)絡(luò)模型的三個主要步驟的介紹： 第一步：數(shù)據(jù)準備 1.1 數(shù)據(jù)收集
        的頭像 發(fā)表于 07-02 11:20 ?576次閱讀

        神經(jīng)網(wǎng)絡(luò)在預測分析中的作用

        在數(shù)據(jù)驅(qū)動的時代，預測分析已經(jīng)成為各行各業(yè)中不可或缺的一部分。從金融市場的預測到醫(yī)療健康的診斷，再到日常生活中的推薦系統(tǒng)，預測分析都在發(fā)揮著至關(guān)重要的作用。而
        的頭像 發(fā)表于 07-01 11:53 ?497次閱讀

        感谢您访问我们的网站，您可能还对以下资源感兴趣：

        色视频在线