广义回归神经网络的改进及在交通预测中的应用

被引：42

作者：

伊良忠 ^{[1
]}

章超 ^{[2
]}

裴峥 ^{[3
]}

机构：

[1] 四川警察学院计算机科学与技术系

[2] 四川警察学院道路交通管理系

[3] 西华大学数学与计算机学院

来源：

山东大学学报(工学版) | 2013年 / 43卷 / 01期

关键词：

广义回归神经网络; k近邻法; 平滑因子;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; U495 [电子计算机在公路运输和公路工程中的应用];

学科分类号：

082301 [道路与铁道工程]; 140502 [人工智能];

摘要：

本研究基于k近邻的方法通过网络性能评价指标来对平滑因子进行选择确定。通过k近邻法找出使得网络性能评价最好的平滑因子,不再仅依赖于一个均方误差数值,而根据均方误差组的排序来选择最优的平滑因子。该算法能够在保持较好的预测效果的前提下解决因数据波动性大而最终得不到最优平滑因子的难题。通过预测交通数据的实验验证了算法的有效性。结果表明通过k近邻方法得到的最优平滑因子会使网络预测误差降至最小。

引用

页码：9 / 14

页数：6

共 10 条

[1]

基于BP神经网络和回归预测的供热调节可靠性 [J].