典型文献
基于堆叠LSTM神经网络的短期交通流量预测
文献摘要：
短期交通流量预测是各种智能交通场景中的关键任务之一.文章提出了一种堆叠长短期记忆(LSTM,Long Short-term Memory)神经网络来执行此任务.该方法以堆叠的结构增加神经网络的深度,可增强对复杂的线性和非线性函数的拟合能力,从而提高预测的准确性.在四个典型的基准数据集上进行了大量的实验,结果表明所提出方法优于常用的机器学习和经典的LSTM方法.
文献关键词：
智能交通;短期交通流量预测;LSTM
中图分类号：
作者姓名：
李楷;黄少伟
作者机构：
肇庆学院 计算机科学与软件学院,广东 肇庆 526061
文献出处：
引用格式：
[1]李楷;黄少伟-.基于堆叠LSTM神经网络的短期交通流量预测)[J].肇庆学院学报,2022(05):79-84,89
A类：
短期交通流量预测
B类：
堆叠,智能交通,交通场景,关键任务,长短期记忆,Long,Short,term,Memory,非线性函数,基准数据集
AB值：
0.206555
相似文献
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。
