机器学习帮助优化交通流并减少交通排放应用.zip

小波神经网络代码-交通流预测 （解压后chater23）

高速公路交通流控制和交通事件检测的研究.nh

针对交通流短期预测未考虑交通检测器配置的不足，提出了一种基于检测器优化选择的短时交通流预测算法。以预测的均方误差最小为目标函数，通过遗传算法优化选择合适的检测器，以小波神经网络作为预测算法进行短时交通

在短时交通流预测中，传统PSO优化神经网络预测模型对逃逸粒子直接取边界值且自身无相应的变异机制，这对于维持粒子群多样性、寻找最优解是不利的。为更进一步提高短时交通流预测精度，将在传统PSO优化BP神经

为了提高BP 神经网络预测模型对混沌时间序列的预测准确性, 提出了一种基于遗传算法优化BP 神经网络 的改进混沌时间序列预测方法. 利用遗传算法优化BP 神经网络的权值和阈值, 然后训练BP 神经网络

遗传算法优化BP神经网络进行交通流量预测，其预测精度明显超过了仅使用BP神经网络进行预测的情况。

随着城市交通问题的日益突出，寻找一种高效、可靠的交通信号灯控制技术变得尤为重要。本文聚焦于基于PLC的交通灯控制系统，并通过对该技术的深入研究，提出了在城市交通优化中应用的有效策略。PLC作为一种可编

西南交通大学机器学习实验4

西南交通大学机器学习实验5

西南交通大学机器学习实验6实验材料包括文档、代码、数据集提供详细实验步骤和指导助力学习机器学习算法和技术