典型文献
基于贝叶斯优化LSTM的S型道路车辆轨迹预测
文献摘要：
为了提高车辆特殊轨迹预测的准确率,采用一种基于长短时记忆网络与贝叶斯优化算法结合的目标车辆轨迹预测方法.利用长短时神经网络进行车辆轨迹预测,并运用贝叶斯优化算法对长短时神经网络进行迭代优化.最后,利用真实数据集以及通过NSGIM(Next Generation Simulation)数据集对模型进行训练和测试,结果表明,基于贝叶斯优化的LSTM车辆轨迹预测方法预测精度于以往方法有所提升.
文献关键词：
轨迹预测;长短时神经网络;Bayes优化
中图分类号：
作者姓名：
雷俊廷
作者机构：
重庆交通大学,重庆404100
文献出处：
引用格式：
[1]雷俊廷-.基于贝叶斯优化LSTM的S型道路车辆轨迹预测)[J].价值工程,2022(36):136-138
A类：
NSGIM
B类：
道路车辆,车辆轨迹预测,高车,长短时记忆网络,贝叶斯优化算法,目标车辆,长短时神经网络,迭代优化,真实数据,Next,Generation,Simulation,Bayes
AB值：
0.221712
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。
