使用降噪自编码器【DAE】对车流量数据进行降维

最新推荐文章于 2024-09-18 06:45:00 发布

m0_71452661

最新推荐文章于 2024-09-18 06:45:00 发布

阅读量4.4k

点赞数 1

文章标签： python 人工智能深度学习

本文链接：https://blog.csdn.net/m0_71452661/article/details/126160750

版权

本文介绍了如何使用降噪自编码器（DAE）来处理高维度的车流量数据，以实现数据降维。DAE相比普通自动编码器，具有更强的特征提取能力，能提升模型的泛化和鲁棒性。数据集包含每小时天气和节假日对交通量的影响，通过训练DAE模型，可以选择合适的编码维数以捕获数据的关键特征。

摘要由CSDN通过智能技术生成

一.自动编码器

时序数据常常表现为高维度的特点，过多的冗余属性不仅徒增训练负担，还会对模型的预测效果带来负面影响。通过使用时序数据降维的方法对训练数据进行预处理，可以大幅减少冗余维度的数据，从而提高训练速度和预测性能。Bengio等人受多层受限玻尔兹曼机堆叠而成的深度信念网络启发,由此提出了一种具有多层隐藏层的深度神经网络结构，这种结构中包含自动编码器( Auto- Encoder,AE) [60。深度自动编码器的结构如图2.1所示，输入x经过- -层-层隐藏层的编码，得到压缩后的编码h,，然后经过层层解码后得到输出x'。