-
公开(公告)号：CN111524349B
公开(公告)日：2021-05-25
申请号：CN202010289889.5
申请日：2020-04-14
申请人： 长安大学
摘要： 本申请属于交通技术领域，特别是涉及一种语境特征注入的多尺度交通流预测模型及方法。传统的交通流预测方法具有一定的片面性，在预测精度和稳定程度上不能达到很好的效果。本申请提供了一种语境特征注入的多尺度交通流预测模型，所述模型依次包括输入层，学习层、注入融合层和输出层，所述学习层包括深度循环神经网络分层和深度置信网络分层，所述输入层、所述深度循环神经网络分层和所述注入融合层依次排列，所述输入层、所述深度置信网络分层和所述注入融合层依次排列。通过将语境特征注入到时间序列特征之中，提高现有交通流预测模型的准确率，实现对交通流模式全面地仿真、评估和预测。
-
公开(公告)号：CN111524348A
公开(公告)日：2020-08-11
申请号：CN202010289673.9
申请日：2020-04-14
申请人： 长安大学
IPC分类号： G08G1/01 , G06N3/08 , G06N3/04 , G06F16/2458
摘要： 本申请属于交通技术领域，特别是涉及一种长短期交通流预测模型及方法。含有随机性误差的外部环境影响数据去预测未来的交通流，只会使得这种随机性误差被再次放大，不可避免地会对模型预测的准确性产生较大的影响和波动。本申请提供了一种长短期交通流预测模型，所述模型包括语境因素输入层、特征学习与模式识别层和交通流数据输出层。提供了一种准确率高，预测效果好，训练时间短，鲁棒性强，不受历史数据缺失影响的多尺度预测模型。使用语境因素作为预测输入，提高了交通流预测模型的准确率，对于先进的交通管理和旅行者路线规划起着至关重要的作用。
-
公开(公告)号：CN111524349A
公开(公告)日：2020-08-11
申请号：CN202010289889.5
申请日：2020-04-14
申请人： 长安大学
摘要： 本申请属于交通技术领域，特别是涉及一种语境特征注入的多尺度交通流预测模型及方法。传统的交通流预测方法具有一定的片面性，在预测精度和稳定程度上不能达到很好的效果。本申请提供了一种语境特征注入的多尺度交通流预测模型，所述模型依次包括输入层，学习层、注入融合层和输出层，所述学习层包括深度循环神经网络分层和深度置信网络分层，所述输入层、所述深度循环神经网络分层和所述注入融合层依次排列，所述输入层、所述深度置信网络分层和所述注入融合层依次排列。通过将语境特征注入到时间序列特征之中，提高现有交通流预测模型的准确率，实现对交通流模式全面地仿真、评估和预测。
-
公开(公告)号：CN109946746A
公开(公告)日：2019-06-28
申请号：CN201910218654.4
申请日：2019-03-21
申请人： 长安大学
摘要： 本发明公开了一种基于深度神经网络的安检系统及方法，包括X光成像模块、检测模型训练学习模块、物体识别模块和安全管理模块，所述X光成像模块的输出端和物体识别模块的输入端连接，物体识别模块和检测模型训练学习模块双向连接，物体识别模块的输出端和安全管理模块的输入端连接；基于X射线图像的颜色特征分割并合成多平面的检测图像，建立深度神经网络检测模型，并运用大数据对常见物品进行特征训练与学习，实现检测器对旋转、伸缩和变形的物体的识别与分类。
-
-
-
搜索结果
4 条记录 (耗时 0.017 秒)
