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:
针对传统的轨迹预测存在精度低和计算较复杂的问题,文章提出一种基于自动编码器(AE)和门控循环单元(GRU)模型的数据驱动方法,利用历史信息和各种轨迹属性预测轨迹位置.该方法将数据预处理层、AE层和GRU层与定制的批处理过程融合在一起.该模型在真实轨迹数据集上训练.通过与现有预测方法进行比较,结果验证所提模型性能相比于RNN,AE-RNN,LSTM和GRU有显著的提高.
推荐文章
基于降噪自编码神经网络的化合物毒性预测方面的研究
化合物毒性预测
毒性化合物活性预测
分子指纹
去噪自编码神经网络
传统自编码网络
基于堆叠稀疏自编码神经网络的航空发动机剩余寿命预测方法研究
航空发动机
堆叠自编码
BP神经网络
寿命预测
基于深度自编码的局部增强属性网络表示学习
网络表示
深度自编码器
属性网络
局部增强网络表示
基于深度卷积自编码神经网络的手写数字识别研究
卷积自编码神经网络
双线性插值
手写数字识别
深度学习
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 基于自编码和门控回归单元网络的轨迹预测研究
来源期刊 现代信息科技 学科
关键词 轨迹预测 自动编码器 门控循环单元 数据驱动
年,卷(期) 2021,(2) 所属期刊栏目 物联网|Internet of Things
研究方向 页码范围 149-153
页数 5页 分类号 TP183
字数 语种 中文
DOI 10.19850/j.cnki.2096-4706.2021.02.036
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (6)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2014(4)
  • 参考文献(1)
  • 二级参考文献(3)
2015(5)
  • 参考文献(2)
  • 二级参考文献(3)
2016(4)
  • 参考文献(2)
  • 二级参考文献(2)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(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
轨迹预测
自动编码器
门控循环单元
数据驱动
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
现代信息科技
半月刊
2096-4706
44-1736/TN
16开
广东省广州市白云区机场路1718号8A09
46-250
2017
chi
出版文献量(篇)
4784
总下载数(次)
45
总被引数(次)
3182
论文1v1指导