注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于遗传算法的小波神经网络交通流预测

  2. 基于遗传算法的小波神经网络交通流预测 基于遗传算法的小波神经网络交通流预测

  3. 所属分类：网络基础

    • 发布日期：2009-05-24
    • 文件大小：59kb
    • 提供者：Augusdi

  1. 基于灰色理论和BP神经网络交通流预测模型研究

  2. 交通BP网络实现，用于预测交通流，实现高级高效预测

  3. 所属分类：交通

    • 发布日期：2010-01-04
    • 文件大小：426kb
    • 提供者：maxw007

  1. 基于BP神经网络的城市交通流预测研究.pdf

  2. 基于BP神经网络的城市交通流预测研究.pdf

  3. 所属分类：网络基础

    • 发布日期：2010-03-08
    • 文件大小：116kb
    • 提供者：yueqi6

  1. 基于神经网络的城市交通流预测

  2. 神经网络可以很好的解决交通领域内的非线性问题，其中前向型神经网络特别适合对交通流的预测。由于神经网络在训练速度和预测精度等方面不断的提高，把神经网络用于建设智能交通体系成为了一种非常明智的选择。 人工神经网络模型是在交通流预测领域里很有潜力的一种模型。鉴于此，本文提出了一种基于神经网络的交通流量动态预测模型，分别采用BP神经网络和径向基网络(RBF)建立了预测模型，并给出了数据预处理方法和预测模型评价指标

  3. 所属分类：网络基础

    • 发布日期：2010-09-06
    • 文件大小：296kb
    • 提供者：icecreamzjf

  1. 基于神经网络的交通流预测研究

  2. 用神经网络算法预测交通流以及其程序实现，在交通方面是一个很好的工具

  3. 所属分类：专业指导

    • 发布日期：2011-03-14
    • 文件大小：321kb
    • 提供者：wjkingkom

  1. RBF神经网络的短期交通流预测源码

  2. 自己写的利用RBF神经网络做的短期交通流预测matlab源码

  3. 所属分类：其它

    • 发布日期：2011-12-02
    • 文件大小：878byte
    • 提供者：bjtudujunlin

  1. 基于混沌和神经网络的短时交通流预测

  2. 基于混沌和神经网络的短时交通流预测

  3. 所属分类：交通

    • 发布日期：2012-05-11
    • 文件大小：1mb
    • 提供者：wccssddnn

  1. 短时交通流智能混合预测技术

  2. 短时交通流智能混合预测技术：为了克服现有单项预测技术对不同交通流状况的局限性，提出一种新的短时交通流智能混合预测模型．该智能混合预测模型包括３个子模型：历史平均模型、人工神经网络模型和模糊综合模型．历史平均模型以历史数据为基础，利用一次指数平滑法良好的静态稳定特性，对交通流量进行预测．人工神经网络模型采用常见的由Ｓ函数神经元组成的１．５层前馈神经网络，由于人工神经网络具有强大的动态非线性映射能力，该模型对动态交通流量的预测具有较高的精度和满意度．根据上述２个单项模型的特点，为了充分利用它们对不

  3. 所属分类：教育

    • 发布日期：2013-02-13
    • 文件大小：630kb
    • 提供者：tshixing

  1. 城市静态网络交通流研究

  2. 城市静态网络交通流研究

  3. 所属分类：网络基础

    • 发布日期：2015-05-11
    • 文件大小：475kb
    • 提供者：qq_28106223

  1. 基于遗传算法的小波神经网络交通流预测-基于遗传算法的小波神经网络交通流预测.pdf

  2. 基于遗传算法的小波神经网络交通流预测-基于遗传算法的小波神经网络交通流预测.pdf 基于遗传算法的小波神经网络交通流预测.pdf 基于遗传算法的小波神经网络交通流预测

  3. 所属分类：其它

    • 发布日期：2019-08-13
    • 文件大小：254kb
    • 提供者：weixin_39841365

  1. 快速路网常发性拥挤的宏观交通流仿真

  2. 快速路网常发性拥挤的宏观交通流仿真，干宏程，，针对网络级快速路系统，以一个包含两个起点和两个终点的快速路网为考察对象，运用经典的快速路网宏观交通流模型METANET，对交通流�

  3. 所属分类：其它

    • 发布日期：2020-03-11
    • 文件大小：327kb
    • 提供者：weixin_38582909

  1. 基于遗传算法径向基神经网络的交通流预测

  2. 基于遗传算法径向基神经网络的交通流预测，楼旭伟，楼辉波，为提高径向基(RBF)神经网络预测模型对交通流预测的准确性，提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传�

  3. 所属分类：其它

    • 发布日期：2020-02-10
    • 文件大小：251kb
    • 提供者：weixin_38714910

  1. 基于BP神经网络的短时交通流组合预测模型

  2. 基于BP神经网络的短时交通流组合预测模型，杜文斌，程铁信，短时交通流预测一直是交通预测的重点与难点，针对短时交通流数据复杂的时空特性，充分考虑了短时交通流数据的连续时点和连续日期

  3. 所属分类：其它

    • 发布日期：2020-01-10
    • 文件大小：329kb
    • 提供者：weixin_38665490

  1. 基于动态图混杂自动机的交通流网络模型

  2. 基于动态图混杂自动机的交通流网络模型，陈阳舟，李伟，针对城市交通网络这类具有复杂拓扑结构的系统，提出了一种复杂网络建模方法 -动态图混杂自动机(DGHA)模型。应用该模型描述城市路网�

  3. 所属分类：其它

    • 发布日期：2020-01-09
    • 文件大小：475kb
    • 提供者：weixin_38637878

  1. 基于时空图的发散卷积循环神经网络的交通流预测方法__公式.pdf

  2. 发明专利说明书。本发明公开了提供基于时空图的发散卷积 循环神经网络的交通流预测方法，基于交通网络 的空间特征构建了路网的有向加权图，接着以该 有向加权图为预测的基本单位

  3. 所属分类：深度学习

    • 发布日期：2020-06-09
    • 文件大小：736kb
    • 提供者：phytle0

  1. 人工智能（芬兰交通流预测）.ipynb

  2. 使用多层神经网络对芬兰交通流进行预测。程序包括数据清洗、pandas数据可视化、keras建模、预测结果可视化。数据格式为：点ID，年，天数，小时，分钟，秒，百分之一秒，长度（m），车道，方向，车辆类别，速度(km/h)，有缺陷的（0-错误观察，1=错误观察），总时间（技术），间隔（技术），排队（技术）。共16列数据

  3. 所属分类：交通

    • 发布日期：2020-06-19
    • 文件大小：751kb
    • 提供者：weixin_44348260

  1. 基于FOA优化GRNN的船舶交通流预测模型

  2. 针对船舶交通流预测中存在复杂性、非线性、受限因素多等特点，运用果蝇优化算法，建立了优化的广义回归神经网络船舶交通流预测模型。通过利用果蝇优化算法的全局寻优特性对广义回归神经网络进行参数优化，从而实现对船舶交通流的预测。以东海大桥的船舶流量观测数据为实例对象进行分析，通过MATLAB进行仿真预测，实验结果表明：FOAGRNN模型相比于传统的GRNN模型和BPNN模型具有更高的预测精度和泛化能力，有效地解决了预测过程中数据样本少、非线性拟合能力差等问题，对水路的规划、通航管理等方面具有一定的应用价

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：437kb
    • 提供者：weixin_38723236

  1. 基于级联人工神经网络的交通流预测。

  2. 基于级联人工神经网络的交通流预测。

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：820kb
    • 提供者：weixin_38509656

  1. 基于AＲIMA 和小波神经网络组合模型的交通流预测

  2. 针对现阶段城市道路交通流预测精度不高的局限性，提出了一种基于差分自回归滑动平均( AＲIMA) 和小波神经.网络( WNN) 组合模型的预测方法来进行交通流预测。利用差分自回归滑动平均模型良好的线性拟合能力和小波神经网.络模型强大的非线性关系映射能力，把交通流时间序列的数据结构分解为线性自相关结构和非线性结构两部分。采用差.分自回归滑动平均模型预测交通流序列的线性部分，用小波神经网络模型预测其非线性残差部分，最终合成为整个交通.流序列的预测结果。计算机仿真结果表明: 组合模型的预测精度高于AＲI

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：512kb
    • 提供者：weixin_38722184

  1. 基于影响模型的短时交通流预测方法

  2. 根据复杂交通网络中多个节点之间交通流相互影响的特性,提出一种基于影响模型的短时交通流预测方法。分析交通网络中交通流预测的难点,引入随机过程中影响模型的理论对其进行建模。将每个节点的交通流处理为一个隐马尔科夫过程,整个网络由多个相互交互的隐马尔科夫过程组成,采用EM算法对模型参数进行训练。实验结果表明,该方法具有较高的预测精度,可较好地显示交通网络中多个节点之间交通流的交互规律以及动态演化规律。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：342kb
    • 提供者：weixin_38547409
« 12 3 4 5 6 7 »