文献

J-GLOBAL ID：202202262681981415   整理番号：22A0102995

注意は長期短期記憶に合致する:交通流予測のための深層学習ネットワーク【JST・京大機械翻訳】

Attention meets long short-term memory: A deep learning network for traffic flow forecasting

著者 (10件)： Fang Weiwei (College of Science, Shantou University, 515063 Shantou, China) ,  Fang Weiwei (College of Information Engineering, Nanyang Institute of Technology, 473000 Nanyang, China) ,  Zhuo Wenhao (College of Engineering, Shantou University, 515063 Shantou, China) ,  Yan Jingwen (College of Engineering, Shantou University, 515063 Shantou, China) ,  Yan Jingwen (Key Laboratory of Intelligent Manufacturing Technology (Shantou University), Ministry of Education, 515063 Shantou, China) ,  Song Youyi (Center for Smart Health, School of Nursing, The Hong Kong Polytechnic University, 999077 Hong Kong, China) ,  Jiang Dazhi (College of Engineering, Shantou University, 515063 Shantou, China) ,  Jiang Dazhi (Key Laboratory of Intelligent Manufacturing Technology (Shantou University), Ministry of Education, 515063 Shantou, China) ,  Zhou Teng (College of Engineering, Shantou University, 515063 Shantou, China) ,  Zhou Teng (Key Laboratory of Intelligent Manufacturing Technology (Shantou University), Ministry of Education, 515063 Shantou, China)
資料名： Physica A. Statistical Mechanics and Its Applications  (Physica A. Statistical Mechanics and Its Applications)
巻： 587  ページ： Null  発行年： 2022年 
JST資料番号： D0322B  ISSN： 0378-4371  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 将来の交通流の正確な予測は,広範囲の応用を持ち,それはインテリジェント輸送システムの基本的要素である。しかし,タイムリーで正確な交通予測は,交通流データの高い非線形性と揮発性のため,未解決の課題のままである。正準長短期メモリ(LSTM)ネットワークは,交通流進化の長期的依存性よりむしろ,min-to-min変動に焦点を当てるために容易に引き出される。この問題に取り組むために,短期交通流予測のための長い短期メモリネットワークへの注意機構を導入することを提案する。注意機構は,異なる入力に異なる重みを割り当てるためのネットワークモデルを助け,重要かつ重要な情報に焦点を合わせ,正確な予測を行う。4つのベンチマークデータセットに関する大規模な実験は,注意機構を備えたLSTMネットワークが,通常使用されるおよび最先端のモデルと比較して優れた性能を有することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  雑音 ,  *学習 ,  時系列分析 ,  *ネットワーク ,  *交通流 ,  交通システム ,  非線形性 ,  揮発性 ,  交通予測 ,  ベンチマーク
準シソーラス用語： 短期記憶 ,  ネットワークモデル ,  *深層学習 ,  LSTMネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 知的輸送システム ,  交通流モデリング ,  時系列解析 ,  深層学習 ,  注意機構 ,  雑音-免疫学習

分類 (1件)： 交通調査  (TB01031B)

タイトルに関連する用語 (6件)： 注意 ,  長期 ,  短期記憶 ,  交通流 ,  予測 ,  深層学習