کاربرد شبکه ها ی عصبی RBF در شبکه حمل و نقل شهری
- سال انتشار: 1400
- محل انتشار: پنجمین کنفرانس علمی تحقیقات کاربردی در علوم و تکنولوژی ایران
- کد COI اختصاصی: SCAR05_021
- زبان مقاله: فارسی
- تعداد مشاهده: 1321
نویسندگان
هیات علمی گروه ریاضی-دانشگاه پیام نور-صندوق پستی ۳۶۹۷-۱۹۳۹۵ –تهران-ایران
چکیده
افزایش حجم ترافیک و ایجاد گرههای ترافیکی در راههای بین شهری و همچنین شبکه ترافیک شهری سبب کاهش کارایی شبکه ترافیکی و راههای مورد نظر میشود. پیشبینی و کشف هرچه سریعتر این گرههای ترافیکی میتواند کمک شایانی به حل مشکل و روان سازی جریان ترافیک نماید. شبکههای عصبی مصنوعی نشان داده اند که با تکیه بر قابلیت یادگیری خود میتوانند عملکرد بسیار مناسبی در این زمینه از خود نشان دهند. هدف اصلی این تحقیق پیش بینی و تشخیص خودکار گرههای ترافیکی با استفاده از مدل شبکه عصبی هوشمند و مقایسه کارایی مدل با مدلهای دیگر موجود است. این مقاله رویکردی را مطرح می کند که ترکیبی از داده ها ی مطلوب و اطلاعات زمان واقعی برای پیش بینی زمان رسیدن اتوبوس می باشد. این رویکرد شامل دو مرحله است. اولا، مدل شبکه های عصبی براساس تابع پایه شعاعی(RBF) بر ای تقریب ر ابطه غیر خطی در داده های مطلوب، سپس در دومین مرحله، یک روش انلاین بر ای تعدیل وضعیت واقعی معرفی می شود.در ادامه، یک مطالعه ازمایشی بر روی مسیر شماره ۲۱ اتوبوس در دالیان با استقرار این سیستم بر ای اثبات اعتبار و اثر بخشی این رویکرد انجام شد. به علاوه، مدل رگرسیون خطی چندگانه، شبکه های عصبBP و RBF بدون تعدیل انلاین استفاده می شود. نتایج نشان می دهد که رویکرد با RBF و تعدیل انلاین دارای عملکرد پیش بینی بهتری است.کلیدواژه ها
شبکه ها ی عصبی ، تابع پایه شعاعی، تعدیل وضعیت واقعی ،گرههای ترافیکی، شبکه ترافیک شهریمقالات مرتبط جدید
- مقایسه تطبیقی درمان بیماری روحی (افسردگی، اضطراب) در قرآن و روانشناسی غرب
- واکاوی شاخص های اثرگذار بر قابلیت وصول به موقع مالیات بر ارزش افزوده (مطالعه موردی: اشخاص حقوقی اداره کل امور مالیاتی استان کرمانشاه)
- شناسایی و اولویت بندی معیارهای بهسازی ساختار سازمانی پالایشگاه نفت آبادان با رویکرد بهره مندی از فناوری اطلاعات
- رابطه بین تمایل به دورکاری با عملکرد شغلی و تعهد سازمانی با نقش میانجی انگیزش شغلی در کارکنان شرکت اسنپ تریپ
- نقش دولت در حسابداری محیط زیستی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.