weixin_44808853的博客

1.文中提出了一种结合时空分析的卷积神经网络cnn深度学习框架的交通流量短时预测模型。如何构造二维矩阵？？ 2.时空特征选择算法定义最佳的输入时间 间隔和空间数据量。通过相关性分析和时空特征选择算法（STFSA）确定有效的输入数据，通过 STFSA 确定佳的输入数据的时间滞后和空间路段的数量 3.从实际的交通流量数据中提取选定的交通流量数据并转化为具有 时空交通流量信息的二维矩阵。 利用皮尔森系数...

Enhancing transportation systems via deep learning: A survey 1.框架 文中结构 第一章前言，介绍整体大情况。 第二章各类深度学习的先验知识。 第三章Visual recognition tasks in ITS ，交通标志牌的识别。数据集： GTSRB ，从机器学习到深度学习，准确率99以上。 第四章 Traffic state p...

论文简读 摘要：利用历史刷卡数据，提出了一种基于深度学习的地铁短时客流量预测方法，基于栈式自编码器构建深度神经网络模型，采用自下而上逐层非监督预训练，在预训练结束之后，采用反向传播ＢP算法自上而下来微调整个网络的参数。 模型-基于SAE的深度学习 该模型底层由栈式自编码器构成，用于特征提 取；顶层为一个逻辑回归器，用于客流量预测。 AE ，自动编码器 AE（AutoEncoder）是一种试图重构...