Прохожу на аспирантской программе курс «Умные городские системы». Его цель — использовать нейросети для анализа городских данных.
Мы изучаем как нейросети работают с разными типами данных: табличными, географическими, спутниковыми снимками, панорамами улиц, текстовыми комментариями к точкам на карте и т.п.
Я сделал модель прогнозирования числа пострадавших в дорожно-транспортных происшествиях на основе данных Москвы.
Учитываю следующие виды данных:
— табличные данные о ДТП с координатами и различными признаками, в т.ч. с количеством жертв; — текстовые описания обстоятельств ДТП и нарушений ПДД (естественный язык); — пространственные данные точечных объектов из OpenStreetMap (светофоры, пешеходные переходы и др.).
Для каждого типа данных применяется специализированная модель для извлечения векторных представлений (эмбеддингов): языковая, геопространственная и табличная. Затем данные агрегируются по шестиугольным пространственным ячейкам (H3) и подаются в регрессионную нейросетевую модель.
Результат на карте: — синие точки — фактические ДТП из базы, — цвет шестигранных ячеек — прогноз количества жертв (пострадавшие + погибшие).
Пока это учебный проект. Не для практического применения. Но в перспективе обученную модель можно применять на другие территории для прогноза очагов ДТП.
Прохожу на аспирантской программе курс «Умные городские системы». Его цель — использовать нейросети для анализа городских данных.
Мы изучаем как нейросети работают с разными типами данных: табличными, географическими, спутниковыми снимками, панорамами улиц, текстовыми комментариями к точкам на карте и т.п.
Я сделал модель прогнозирования числа пострадавших в дорожно-транспортных происшествиях на основе данных Москвы.
Учитываю следующие виды данных:
— табличные данные о ДТП с координатами и различными признаками, в т.ч. с количеством жертв; — текстовые описания обстоятельств ДТП и нарушений ПДД (естественный язык); — пространственные данные точечных объектов из OpenStreetMap (светофоры, пешеходные переходы и др.).
Для каждого типа данных применяется специализированная модель для извлечения векторных представлений (эмбеддингов): языковая, геопространственная и табличная. Затем данные агрегируются по шестиугольным пространственным ячейкам (H3) и подаются в регрессионную нейросетевую модель.
Результат на карте: — синие точки — фактические ДТП из базы, — цвет шестигранных ячеек — прогноз количества жертв (пострадавшие + погибшие).
Пока это учебный проект. Не для практического применения. Но в перспективе обученную модель можно применять на другие территории для прогноза очагов ДТП.
Soloviev also promoted the channel in a post he shared on his own Telegram, which has 580,000 followers. The post recommended his viewers subscribe to "War on Fakes" in a time of fake news. In February 2014, the Ukrainian people ousted pro-Russian president Viktor Yanukovych, prompting Russia to invade and annex the Crimean peninsula. By the start of April, Pavel Durov had given his notice, with TechCrunch saying at the time that the CEO had resisted pressure to suppress pages criticizing the Russian government. In a statement, the regulator said the search and seizure operation was carried out against seven individuals and one corporate entity at multiple locations in Ahmedabad and Bhavnagar in Gujarat, Neemuch in Madhya Pradesh, Delhi, and Mumbai. In December 2021, Sebi officials had conducted a search and seizure operation at the premises of certain persons carrying out similar manipulative activities through Telegram channels. Right now the digital security needs of Russians and Ukrainians are very different, and they lead to very different caveats about how to mitigate the risks associated with using Telegram. For Ukrainians in Ukraine, whose physical safety is at risk because they are in a war zone, digital security is probably not their highest priority. They may value access to news and communication with their loved ones over making sure that all of their communications are encrypted in such a manner that they are indecipherable to Telegram, its employees, or governments with court orders.
from tw
