典型文献
基于贝叶斯优化的LSTM高速交通流量预测
文献摘要：
利用大数据技术来研究海量的交通数据,是当前研究热点之一.而长短期记忆网络(LSTM)对大数据训练具有很强的适应性和出色的扩展性,相较于RNN无法处理长期依赖的问题具有很大的优势.基于LSTM神经网络,针对人为经验调参困难的问题,提出了一种基于贝叶斯优化的LSTM模型.最后利用英国高速公路数据集进行验证,测试模型对交通流量预测的有效性与准确性.实验结果表明,基于贝叶斯优化的LSTM模型表现出了良好的性能,预测精度较高.
文献关键词：
大数据;LSTM;贝叶斯算法;交通流量预测
中图分类号：
作者姓名：
沈括;朱怡帆;孟祥毅;李海济
作者机构：
安徽大学互联网学院,合肥 230031
文献出处：
引用格式：
[1]沈括;朱怡帆;孟祥毅;李海济-.基于贝叶斯优化的LSTM高速交通流量预测)[J].现代计算机,2022(11):51-55
A类：
B类：
贝叶斯优化,高速交通,交通流量预测,交通数据,长短期记忆网络,数据训练,出色,扩展性,RNN,高速公路,路数,测试模型,贝叶斯算法
AB值：
0.244201
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
