Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Neural Additive and Basis Models with Feature Selection and Interactions Kapitel lesen Erstes Kapitel lesen

2024 | OriginalPaper | Buchkapitel

Recovering Population Dynamics from a Single Point Cloud Snapshot

verfasst von : Yuki Wakai, Koh Takeuchi, Hisashi Kashima

Erschienen in: Advances in Knowledge Discovery and Data Mining

Verlag: Springer Nature Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Discovering population dynamics from point cloud data has experienced increased popularity in various applications, including GPS behavior prediction, multi-target tracking, and single cell analysis. Existing methods require data in multiple time periods. However, to address privacy concerns and observational restrictions, our method estimates trajectories solely from a single snapshot without time series information or features other than coordinates. We propose a model that recovers vector fields by solving an optimal transport problem and introducing the smoothness of point movements as regularization terms. Experiments with point cloud data generated from typical vector fields show that our method can accurately recover the original vector fields and predict the trajectories at arbitrary coordinates from just one point cloud snapshot.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Contrastive Learning for Unsupervised Sentence Embedding with False Negative Calibration
Nächstes Kapitel SAWTab: Smoothed Adaptive Weighting for Tabular Data in Semi-supervised Learning
Literatur
1.
Aris, R.: Vectors, Tensors and the Basic Equations of Fluid Mechanics (1989)
2.
Bunne, C., Papaxanthos, L., Krause, A., Cuturi, M.: Proximal optimal transport modeling of population dynamics. In: AISTATS (2022)
3.
Campbell, K.R., Yau, C.: Uncovering pseudotemporal trajectories with covariates from single cell and bulk expression data, 9 (2018)
4.
Chizat, L., Peyré, G., Schmitzer, B., Vialard, F.-X.: Scaling algorithms for unbalanced optimal transport problems. Math. Comput. 87 (2018)
5.
Cuturi, M.: Sinkhorn distances: lightspeed computation of optimal transport. In: Advances in Neural Information Processing Systems, vol. 26 (2013)
6.
de Vos, B.D., et al.: End-to-end unsupervised deformable image registration with a convolutional neural network. In: Deep Learning in Medical Image Analysis and Multimodal Learning for Clinical Decision Support (2017)
7.
Fisher, M., Nocedal, J., Trémolet, Y., Stephen, J.W.: Data assimilation in weather forecasting: a case study in PDE-constrained optimization. Optim. Eng. 10 (2009)
8.
Han, J., Wang, C.: TSR-VFD: generating temporal super-resolution for unsteady vector field data. Comput. Graph. 103 (2022)
9.
Huang, X., et al.: Grab-posisi: an extensive real-life GPS trajectory dataset in southeast Asia. In: SIGSPATIAL (2019)
10.
Huang, Y., Weng, Y., Yu, S., Chen, X.: Diffusion convolutional recurrent neural network with rank influence learning for traffic forecasting. In: TrustCom/BigDataSE (2019)
11.
Kim, S.-J., Koh, K., Boyd, S., Gorinevsky, D.: l_1 trend filtering. SIAM Rev. 51 (2009)
12.
Kuroe, Y., Mitsui, M., Kawakami, H., Mori, T.: A learning method for vector field approximation by neural networks. In: IEEE International Joint Conference on Neural Networks Proceedings. IEEE World Congress on Computational Intelligence (1998)
13.
Luo, W., Xing, J., Milan, A., Zhang, X., Liu, W., Kim, T.-K.: Multiple object tracking: a literature review. Artif. Intell. (2020)
14.
Maeda, T., et al.: Aerial drone observations identified a multilevel society in feral horses. Sci. Rep. 11 (2021)
15.
Saelens, W., Cannoodt, R., Todorov, H., Saeys, Y.: A comparison of single-cell trajectory inference methods. Nat. Biotechnol. 37 (2019)
16.
Schiebinger, G., et al.: Optimal-transport analysis of single-cell gene expression identifies developmental trajectories in reprogramming. Cell 176 (2019)
17.
Wang, Y.-X., Sharpnack, J., Smola, A.J., Tibshirani, R.J.: Trend filtering on graphs. J. Mach. Learn. Res. 17 (2016)
Metadaten
Titel
Recovering Population Dynamics from a Single Point Cloud Snapshot
verfasst von
Yuki Wakai
Koh Takeuchi
Hisashi Kashima
Copyright-Jahr
2024
Verlag
Springer Nature Singapore
Buch
Advances in Knowledge Discovery and Data Mining

Print ISBN: 978-981-9722-61-7

Electronic ISBN: 978-981-9722-59-4

Copyright-Jahr: 2024

DOI
https://doi.org/10.1007/978-981-97-2259-4_23

Premium Partner

    Bildnachweise