模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2006年
6期
831-835
,共5页
遗传-梯度算法(GGA)%RBF神经网络%遗传算法(GA)%梯度下降算法%交通信息预测
遺傳-梯度算法(GGA)%RBF神經網絡%遺傳算法(GA)%梯度下降算法%交通信息預測
유전-제도산법(GGA)%RBF신경망락%유전산법(GA)%제도하강산법%교통신식예측
准确可靠的交通信息预测是实现智能交通诱导和交通管理的关键.本文提出一种两步学习算法:遗传-梯度算法,用于RBF神经网络的学习,并应用到交通信息预测中.算法充分利用遗传算法的全局优化能力和梯度下降算法的局部搜索能力,一方面加快网络收敛速度,另一方面优化网络结构,并在一定程度上提高网络的推广能力.宁波市实时交通速度信息预测的实验结果论证该算法的有效性.
準確可靠的交通信息預測是實現智能交通誘導和交通管理的關鍵.本文提齣一種兩步學習算法:遺傳-梯度算法,用于RBF神經網絡的學習,併應用到交通信息預測中.算法充分利用遺傳算法的全跼優化能力和梯度下降算法的跼部搜索能力,一方麵加快網絡收斂速度,另一方麵優化網絡結構,併在一定程度上提高網絡的推廣能力.寧波市實時交通速度信息預測的實驗結果論證該算法的有效性.
준학가고적교통신식예측시실현지능교통유도화교통관리적관건.본문제출일충량보학습산법:유전-제도산법,용우RBF신경망락적학습,병응용도교통신식예측중.산법충분이용유전산법적전국우화능력화제도하강산법적국부수색능력,일방면가쾌망락수렴속도,령일방면우화망락결구,병재일정정도상제고망락적추엄능력.저파시실시교통속도신식예측적실험결과론증해산법적유효성.