交通运输系统工程与信息
交通運輸繫統工程與信息
교통운수계통공정여신식
JOURNAL OF COMMUNICATION AND TRANSPORTATION SYSTEMS ENGINEERING AND INFORMATION
2013年
3期
33-39
,共7页
吕进%赵祥模%樊海玮%旺乃姆
呂進%趙祥模%樊海瑋%旺迺姆
려진%조상모%번해위%왕내모
智能交通%交通信息工程及控制%交通流预测%人工神经网络%生长自组织神经网络
智能交通%交通信息工程及控製%交通流預測%人工神經網絡%生長自組織神經網絡
지능교통%교통신식공정급공제%교통류예측%인공신경망락%생장자조직신경망락
intelligent transportation%traffic information engineering and control%traffic flow forecasting%artificial neural network%growing self-organized neural network
为了提高城市交通流预测神经网络方法的快速动态学习能力,提出了一种生长自组织神经网络群,将复杂的神经网络个体分解为多个训练简单的神经网络群组,并利用设计的动态生长自组织算法来避免神经网络在学习新知识的时候对已有知识造成破坏,同时保持整个群工作的高效稳定,规模不过度扩张.该神经网络群尝试解决神经网络的一次性学习问题,具有动态知识增殖学习能力和更强的错误自修复能力及系统适应灵活性.仿真结果表明,这一方法能够更精确地实现函数逼近和城市交通流自适应动态预测,适用于需要不断快速动态学习的复杂系统.
為瞭提高城市交通流預測神經網絡方法的快速動態學習能力,提齣瞭一種生長自組織神經網絡群,將複雜的神經網絡箇體分解為多箇訓練簡單的神經網絡群組,併利用設計的動態生長自組織算法來避免神經網絡在學習新知識的時候對已有知識造成破壞,同時保持整箇群工作的高效穩定,規模不過度擴張.該神經網絡群嘗試解決神經網絡的一次性學習問題,具有動態知識增殖學習能力和更彊的錯誤自脩複能力及繫統適應靈活性.倣真結果錶明,這一方法能夠更精確地實現函數逼近和城市交通流自適應動態預測,適用于需要不斷快速動態學習的複雜繫統.
위료제고성시교통류예측신경망락방법적쾌속동태학습능력,제출료일충생장자조직신경망락군,장복잡적신경망락개체분해위다개훈련간단적신경망락군조,병이용설계적동태생장자조직산법래피면신경망락재학습신지식적시후대이유지식조성파배,동시보지정개군공작적고효은정,규모불과도확장.해신경망락군상시해결신경망락적일차성학습문제,구유동태지식증식학습능력화경강적착오자수복능력급계통괄응령활성.방진결과표명,저일방법능구경정학지실현함수핍근화성시교통류자괄응동태예측,괄용우수요불단쾌속동태학습적복잡계통.