Resultados de búsqueda

Se encontraron 110737 resultados en recursos

Exclusivo BibloRed

Por: Hindawi | Fecha: 2021

Con la aceleración de la urbanización y el aumento en el número de vehículos motorizados, han surgido cada vez más problemas sociales como la congestión del tráfico. Por consiguiente, la predicción eficiente y precisa del flujo de tráfico se ha convertido en un tema de investigación candente en el campo del transporte inteligente. Sin embargo, los algoritmos tradicionales de aprendizaje automático no pueden optimizar aún más el modelo con el aumento de la escala de datos, y los algoritmos de aprendizaje profundo tienen un rendimiento deficiente en aplicaciones móviles o en tiempo real; cómo entrenar y actualizar modelos de aprendizaje profundo de manera eficiente y precisa sigue siendo un problema urgente, ya que requieren enormes recursos computacionales y costos de tiempo. Por lo tanto, en este estudio se propone un modelo CNN-LTSM basado en aprendizaje incremental, IL-TFNet, para la predicción del flujo de tráfico. La arquitectura del modelo basado en redes neuronales convolucionales ligeras está diseñada para procesar características espacio-temporales y del entorno externo simultáneamente para mejorar el rendimiento y la eficiencia de predicción del modelo. Especialmente, se aplica el algoritmo de agrupamiento K-means como una característica de incertidumbre para extraer información sobre accidentes de tráfico desconocidos. Durante el entrenamiento del modelo, en lugar del algoritmo de aprendizaje por lotes tradicional, se aplica el algoritmo de aprendizaje incremental para reducir el costo de actualización del modelo y satisfacer los requisitos de alta performance en tiempo real y bajo costo computacional en la predicción a corto plazo del tráfico. Además, se propone la idea de combinar el aprendizaje incremental con el aprendizaje activo para ajustar finamente el modelo de predicción y mejorar la precisión de la predicción en situaciones especiales. Los experimentos han demostrado que en comparación con otros modelos de predicción del flujo de tráfico, el modelo IL-TFNet tiene un buen rendimiento en la predicción del flujo de tráfico a corto plazo.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Estás filtrando por

Se encontraron 110737 resultados en recursos

Solidificación , estabilización de residuos orgánicos mediante granulación con sepiolita

Prediction of Volleyball Competition Using Machine Learning and Edge Intelligence

Intelligent Forwarding Strategy for Congestion Control Using Q-Learning and LSTM in Named Data Networking

Cost effective groundwater quality sampling network design

Integrated Service Composition Approach Based on Transparent Access to Heterogeneous IoT Networks Using Multiple Service Providers

Sonar Image Target Detection and Recognition Based on Convolution Neural Network

EER-RL, Energy-Efficient Routing Based on Reinforcement Learning

Intelligent Integrated Community Model for Ethnic Minority Areas Using Data Analysis and Machine Learning

The Traffic Flow Prediction Method Using the Incremental Learning-Based CNN-LTSM Model, The Solution of Mobile Application

Research on Sports Performance Prediction Based on BP Neural Network

Seleccionar

Filtrar

Estás filtrando por

Mis colecciones

¿Deseas limpiar los términos de la búsqueda avanzada?

Mis colecciones