并行广义神经网络的交通流预测

• 作者: 史慧敏 徐玉霞 王凡 谭国真
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 交通流预测 广义神经网络 并行计算
• 年，卷（期）: 2010,（17）
• 所属期刊栏目: 工程与应用
• 页码范围: 229-231
• 分类号: TP273.53
• 字数: 2648字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.17.065

摘要

实时、准确的交通流预测是智能交通诱导实现的前提和关键.针对BP神经网络学习过程收敛速度慢、容易陷入局部极小的缺点,引入智能神经元组成的广义神经网络建立交通流预测模型,同时给出基于训练集分解和动态通信模式的并行学习算法来提高广义神经网络的收敛速度,并利用大连市的实际交通流数据进行预测分析.实验结果表明,并行广义神经网络能够满足交通流量预测实时性、精确性的要求,具有一定的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王凡	大连理工大学计算机科学与工程系	26	274	9.0	16.0
2	谭国真	大连理工大学计算机科学与工程系	56	946	13.0	29.0
3	史慧敏	大连理工大学计算机科学与工程系	1	18	1.0	1.0
4	徐玉霞	大连理工大学计算机科学与工程系	1	18	1.0	1.0