暂无评论
神经网络可以很好的解决交通领域内的非线性问题,其中前向型神经网络特别适合对交通流的预测。由于神经网络在训练速度和预测精度等方面不断的提高,把神经网络用于建设智能交通体系成为了一种非常明智的选择。 人工
精确的预测结果可以为通勤者提供合理的出行建议,并进一步为交通管理提供帮助。现有的研究深入深度学习方法在时空特征提取方面已经有了显着的进展,诸如图卷积神经网络,长短期记忆网络模型等在此过程中发挥了重要的
利用遗传算法进行优化BP神经网络的传递函数,使得优化后的预测误差偏小,进而预测的更加准确
该代码资源提供了一种利用径向基函数(RBF)神经网络对混沌时间序列进行预测的方法。
基于BP神经网络对NMR的预测模型
基于BP神经网络的流感病毒预测,林权,张亚鹏,本文研究了流感病毒爆发程度的预测问题。病毒爆发情况的预测直接关系到疫苗的使用效果,本文依据病毒的传播特性和各大洲的地理特
针对管道系统历史数据缺乏、失效机理非线性的特点,选用具有良好自学习性、鲁棒性等特点的BP神经网络对管道失效状态进行预测。在对管道外表面涂层检测数据预处理的基础上,采用BP神经网络进
循环程序的优化一直是程序优化的重点,循环分块作为一种典型的循环程序优化技术已被广泛研究和应用。分块大小的选择对循环程序的性能有着重要影响,分块大小的选择复杂多变且高度依赖程序和硬件。传统的静态分析和启
在总结采场底板破坏深度预测方法和理论的基础上,结合大量实际资料分析,归纳出开采深度、煤层倾角、开采厚度、工作面长度、底板抗破坏能力和有无切穿型断层或破碎带6个方面是影响底板破坏深度的主要因素.根据全国
文章采用灰色神经网络进行我国煤炭产量预测模型的建模,灰色神经网络具有灰色系统模型的可以用少量样本数据来建模与神经网络精度高的特性,克服在进行煤炭产量预测样本数据少的问题,仿真结果表明,此种模型预测结果
暂无评论