贴一下汇总贴:论文阅读记录
一、摘要
近年来,神经网络已广泛应用于短期交通预测。本研究提出了一种新的神经网络结构——长短期神经网络(LSTM NN),以有效地捕获非线性交通动态。LSTM神经网络克服了通过记忆块反向传播的错误衰减问题,在长时间依赖性的时间序列预测中表现出优越的能力。此外,LSTM神经网络可以自动确定最优时滞。为了验证LSTM神经网络的有效性,利用北京地区交通微波探测器的车速数据进行模型训练和测试。通过与不同拓扑的动态神经网络以及目前流行的参数和非参数算法的比较,表明LSTM神经网络在精度和稳定性方面都能达到最佳的预测性能。
文章主要内容
利用LSTM NN,先以历史道路速度数据为输入来预测未来的交通速度;然后又以道路速度和交通流量作为输入来预测未来的交通速度。并且通过与多种其他方法进行对比,来展示LSTM NN所展示出的良好的效果。
二、结论
The LSTM NN is able to learn time series with long time dependency and automatically determine the optimal time lags.
LSTM神经网络能够学习具有长时间依赖性的时间序列,并自动确定