基于深度置信网络的车辆交通流预测OA
Deep Belief Network Based Traffic Flow Prediction
提出了一种新的基于深度置信网络的交通流预测方法,利用深度置信网络良好的训练和预测性能,能够很好地学习时序数据集的内部特征,从而准确地预测交通数据流.为了验证算法的有效性,在PeMS数据集上对算法进行了实验测试,并同其他相关预测和分析方法进行了比较,实验结果表明新算法具有较好的预测性能.
付永钢;李传目;王惠蓉
集美大学计算机工程学院,福建 厦门361021集美大学计算机工程学院,福建 厦门361021集美大学海洋文化与法律学院,福建 厦门361021
信息技术与安全科学
深度置信网络交通流预测机器学习深度学习
《集美大学学报(自然科学版)》 2022 (2)
186-192,7
福建省自然科学基金项目(2019J01713)厦门市科技计划项目(3502Z20193048)集美大学国家基金培育计划项目(ZP2020043)
评论