文献检索-宁波市创意产业特色资源库

限定检索结果

基于维度加权的残差LSTM短期交通流量预测: 收藏
分享
引用; 《计算机工程》2019年第6期45卷 1-5页; 作者：李月龙唐德华姜桂圆肖志涛耿磊张芳吴骏天津工业大学计算机科学与技术学院天津300387 天津工业大学电子与信息工程学院天津300387 南洋理工大学计算机科学与工程学院新加坡639798 天津市光电检测技术与系统重点实验室天津300387; 基于神经网络的交通流量预测由于嵌入了部分手工设计的特征,使得提取的网络特征功能单一,存在适应性及鲁棒性差、数据局部特征刻画不准确等问题。为此,提出基于残差长短期记忆网络(LSTM)的交通流量预测方法,利用集成学习思想将空间分布...; 基于神经网络的交通流量预测由于嵌入了部分手工设计的特征,使得提取的网络特征功能单一,存在适应性及鲁棒性差、数据局部特征刻画不准确等问题。为此,提出基于残差长短期记忆网络(LSTM)的交通流量预测方法,利用集成学习思想将空间分布的数据端到端训练到残差LSTM网络中,同时在每个LSTM单元后引入维度加权单元,显式建模特征维度之间的相互依赖关系。实验结果表明,该方法能实现短期交通流量数据的自适应建模分析。; 来源：详细信息评论

限定检索结果