I We introduce a HMM for future loc

I We introduce a HMM for future locations prediction that naturally sup-
ports imprecise data and eciently predicts both future locations (i.e., nal
destinations) and their corresponding trajectories (i.e., travel routes).
II A direct implementation of the HMM leads to unacceptable execution times
in a real-world application. We therefore present a rened version with loss-
less optimization and a faster one with approximate solutions.
III We conduct an experimental study on the models and compare them with
a state-of-the-art solution in simulated and real environments. For the syn-
thetic scenarios, we introduce a tool to generate routes for moving objects.
In the following, Section 2 discusses related work and Section 3 formally
introduces the problem. Sections 4 and 5 present our algorithm and its opti-
mization, respectively. Finally, Section 6 validates the proposed approach with
extensive experiments and Section 7 discusses future directions of research.

ผลลัพธ์ (ไทย) 1:

ผมเราแนะนำ HMM สำหรับทำนายในอนาคตสถานที่ธรรมชาติ sup-พอร์ตข้อมูลและอี ciently ไม่คาดการณ์ทั้งสองสถานในอนาคต (เช่น nalจุดหมายปลายทาง) และวิถีสอดคล้องกัน (เช่น เส้นทางท่องเที่ยว)ดำเนินการโดยตรงของ HMM นำไปสู่การยอมรับการดำเนินการเวลา A IIในโปรแกรมประยุกต์ของจริง เราจึงนำเสนออีกครั้งรุ่น ned กับขาดทุน -เพิ่มประสิทธิภาพน้อยลงและเป็นหนึ่งได้เร็วขึ้น ด้วยโซลูชั่นโดยประมาณIII เราดำเนินการศึกษาทดลองในแบบจำลอง และเปรียบเทียบกับศิลปะของการแก้ปัญหาในสภาพแวดล้อมจริง และจำลอง สำหรับ syn-สถานการณ์ thetic เราแนะนำเครื่องมือในการสร้างเส้นทางสำหรับการเคลื่อนย้ายวัตถุในต่อไปนี้ ส่วนที่ 2 กล่าวถึงงานที่เกี่ยวข้องและส่วนที่ 3 อย่างเป็นทางการแนะนำปัญหา ส่วนที่ 4 และ 5 ปัจจุบันอัลกอริทึมของเราและของทั้ง-mization ตามลำดับ ในที่สุด ส่วนที่ 6 ตรวจสอบวิธีการนำเสนอด้วยการทดลองที่ครอบคลุมและส่วนที่ 7 กล่าวถึงทิศทางในอนาคตของงานวิจัย

ผลลัพธ์ (ไทย) 2:

ฉันเราแนะนำ HMM สำหรับสถานที่ในอนาคตทำนายว่าสนับสนุนธรรมชาติ
พอร์ตข้อมูลไม่แน่ชัดและ e? อย่างมีประสิทธิภาพคาดการณ์สถานที่ทั้งสองในอนาคต (เช่น NAL
จุดหมายปลายทาง) และลูกทีมของพวกเขาที่สอดคล้องกัน (เช่นเส้นทางการเดินทาง).
ครั้งที่สองการดำเนินงานโดยตรงของ HMM นำไปสู่การ เวลาการดำเนินการไม่เป็นที่ยอมรับ
ในการประยุกต์ใช้จริงในโลก ดังนั้นเราจึงนำเสนอรุ่นใหม่ ned กับ loss-
เพิ่มประสิทธิภาพน้อยลงและเร็วขึ้นหนึ่งที่มีการแก้ปัญหาโดยประมาณ.
III เราดำเนินการศึกษาทดลองในรูปแบบและเปรียบเทียบกับ
วิธีการแก้ปัญหาของรัฐ -the-art ในสภาพแวดล้อมจำลองและจริง สำหรับไวยากรณ์
สถานการณ์ thetic เราแนะนำเครื่องมือในการสร้างเส้นทางสำหรับการเคลื่อนย้ายวัตถุ.
ในต่อไปนี้ส่วนที่ 2 กล่าวถึงการที่เกี่ยวข้องกับการทำงานและส่วนที่ 3 อย่างเป็นทางการ
เปิดตัวปัญหา มาตรา 4 และมาตรา 5 นำเสนอขั้นตอนวิธีการและ opti- ของเรา
mization ตามลำดับ สุดท้ายมาตรา 6 ตรวจสอบวิธีการที่นำเสนอมี
การทดลองอย่างกว้างขวางและมาตรา 7 กล่าวถึงทิศทางในอนาคตของการวิจัย