LC-RNN: A Deep Learning Model for Traffic Speed Prediction
1.背景 下面所介紹是2018年發表在IJCAI上的一論文，其主要解決的問題是預測接下來幾個時間間隔內，某條道路上車輛行駛的平均速度。其關鍵點在於作者提出了用"look-up"這一方法來構造由每條道路及其相連接道路所形成的速度矩陣，接着用CNN來提取相鄰「道路速度」的空間依賴關係，然後進一步採用LSTM從時間序列的角度來提取特徵；最後融合天氣和週期信息等最爲整個網絡的輸出。 我們知道在實際情況中，
相關文章
- 1. A deep tree-based model for software defect prediction
- 2. 【論文筆記】A Deep Learning Approach to the Citywide Traffic Accident Risk Prediction
- 3. A Vision for Making Deep Learning Simple
- 4. Wide & Deep Learning Model
- 5. STGCN:Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecastin
- 6. Deep learning: prevent overfitting && speed up training
- 7. A Deep Reinforced Model for Abstractive Summarization
- 8. [Reinforcement Learning] Model-Free Prediction
- 9. Long short-term memory neuralnetwork for traffic speed prediction using remote microwave sensor data
- 10. 《Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting》
- 更多相關文章...
- • Scala for循環 - Scala教程
- • Lua for 循環 - Lua 教程
- • Java Agent入門實戰（三）-JVM Attach原理與使用
- • Java Agent入門實戰（一）-Instrumentation介紹與使用
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
- 1. 字節跳動21屆秋招運營兩輪面試經驗分享
- 2. Java 3 年，25K 多嗎？
- 3. mysql安裝部署
- 4. web前端開發中父鏈和子鏈方式實現通信
- 5. 3.1.6 spark體系之分佈式計算-scala編程-scala中trait特性
- 6. dataframe2
- 7. ThinkFree在線
- 8. 在線畫圖
- 9. devtools熱部署
- 10. 編譯和鏈接
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. A deep tree-based model for software defect prediction
- 2. 【論文筆記】A Deep Learning Approach to the Citywide Traffic Accident Risk Prediction
- 3. A Vision for Making Deep Learning Simple
- 4. Wide & Deep Learning Model
- 5. STGCN:Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecastin
- 6. Deep learning: prevent overfitting && speed up training
- 7. A Deep Reinforced Model for Abstractive Summarization
- 8. [Reinforcement Learning] Model-Free Prediction
- 9. Long short-term memory neuralnetwork for traffic speed prediction using remote microwave sensor data
- 10. 《Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting》