基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
深度学习在特征提取与模型拟合方面具有优势.它能够非监督地从数据中学习出有效的特征用以预测.故本文在此利用深度学习进行建模用于空中交通拥堵预测,通过归纳合并交通流参数、环境状态、时段等基础数据来构建交通流特征向量,采用深度学习的堆叠自编码网络架构,设计了一种从无标签数据集中学习,提取可表征数据深层特征的隐层参数,并生成新特征集的拥堵状态预测模型.
推荐文章
基于深度学习的交通拥堵预测模型研究
交通拥堵
预测模型
深度学习
自编码网络
Softmax回归
基于深度学习的交通拥堵预测模型研究
交通拥堵
预测模型
深度学习
自编码网络
Softmax回归
基于深度学习的短时交通流预测
交通流预测
深度学习
短时交通流
支持向量回归
基于深度学习的故障预测技术研究
深度学习
故障预测
故障演化
软件静态故障预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的空域拥堵预测建模
来源期刊 信息化研究 学科 工学
关键词 深度学习 非监督学习 堆叠自编码网络 空域拥堵预测 隐层参数
年,卷(期) 2017,(4) 所属期刊栏目 研究与设计
研究方向 页码范围 28-30,41
页数 4页 分类号 TP391
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (32)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1678(1)
  • 参考文献(0)
  • 二级参考文献(1)
1776(1)
  • 参考文献(0)
  • 二级参考文献(1)
1857(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(7)
  • 参考文献(2)
  • 二级参考文献(5)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
非监督学习
堆叠自编码网络
空域拥堵预测
隐层参数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息化研究
双月刊
1674-4888
32-1797/TP
大16开
江苏省南京市
28-251
1975
chi
出版文献量(篇)
4494
总下载数(次)
11
总被引数(次)
24149
论文1v1指导