智能空间理解_人工智能视角下的地理空间表达、建模与推测

一、神经网络VS空间分析

1.关注geoAI

 

 

 

2.内在联系——空间表达

规则卷积

 

 不规则卷积

 

在具体应用中，池化和卷积是否要保存，卷积关注的是局部特征，但是在空间地理信息中，我们很可能更关注的是长距离联系；池化会保证平移不变性，但是没法保留特征的位置信息。

 

 

 

 感受野与空间中的距离衰减比较类似，天然的保证了神经网络可以应用在智能空间领域。

 

3.内在联系——空间推测

 

 

 图卷积神经网络回答场所图的问题

 

 

 

 空间回归模型的典型流程

 

 空间滞后

二、展望（还能做的事）

1.主要围绕着这些方面去做：

 

 2.空间聚类/分类

 

 3.神经网络可以逼近空间函数

 

 4.空间预测和推断

5.空间优化：比如找一个网络的优化排列  天然和神经网络求最值相关，然后进一步发展到预测春运这样的流数据，最后应用到疫情期间。