文献

J-GLOBAL ID：202002288651175132   整理番号：20A2767248

交通-DesNet:DesNetを用いたロバストな深層学習ベースフロー予測モデル【JST・京大機械翻訳】

Traffic-DesNet: A Robust Deep Learning-based Flow Prediction Model By The Using of DesNet

著者 (4件)： Hu Jian (Information Center, Yunnan Power Grid Company Limited,Kunming,China,650217) ,  Yang Benfu (Information Center, Yunnan Power Grid Company Limited,Kunming,China,650217) ,  Su Yongdong (Information Center, Yunnan Power Grid Company Limited,Kunming,China,650217) ,  Xiao Peng (Information Center, Yunnan Power Grid Company Limited,Kunming,China,650217)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICSGEA  ページ： 342-345  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： リアルタイムで正確な短期交通流予測は,インテリジェント輸送システム(ITS)における重大な問題になった。短期交通流は時間だけでなく空間によっても影響を受ける。日常の短期交通予測方法は,空間の影響ではなく,時間の影響を解決するだけであった。畳み込みニューラルネットワークは,空間相関と時間と空間の依存性を解決するために畳み込みカーネルを使用することができ,従って,それらは短期交通流をより正確に予測することができる。短期トラフィックフロー予測のために高密度Netを導入し,時間と空間の特徴を抽出するために畳み込みカーネルを使用し,上層から抽出して新しい特徴を抽出した。それは,再び底部で新しい特徴を発見するために高レベル情報を効果的に使用することができる。いくつかの領域における陰的相関をよりよく捉える。実験によって,モデルが伝統的方法に対する精度において優れているだけではなく,また,効率において顕著な改良を有することがわかった。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  交通流 ,  *ロバスト性 ,  上層 ,  *予測モデル
準シソーラス用語： 空間相関 ,  高密度 ,  実時間 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 交通 ,  ロバスト ,  深層学習 ,  フロー ,  予測モデル