پیش بینی کوتاه مدت جریان ترافیک با استفاده از شبکه عصبی برگشتی-المن، مبتنی بر استخراج ویژگی و آموزش عاطفی
- سال انتشار: 1393
- محل انتشار: نخستین همایش سیستم های حمل و نقل هوشمند جاده ای
- کد COI اختصاصی: RMTO01_043
- زبان مقاله: فارسی
- تعداد مشاهده: 844
نویسندگان
دانشجوی کارشناسی ارشد، دانشگاه صنعتی خواجه نصیرالدین طوسی- مسئول مکاتبات
استاد گروه مهندسی پزشکی، کنترل و هوش مصنوعی، دانشکده برق و کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی
دانشیار گروه مهندسی کنترل، دانشکده مهندسی برق و کامپیوتر دانشگاه تهران
چکیده
پیش بینی دقیق، پویا و قابل اطمینان جریان ترافیک، اساس مدیریت ، کنترل و بهینه سازی سیستم های حمل ونقل هوشمند است . امروزه ازروش های متفاوتی برای کنترل جریان ترافیک استفاده می شود، که تمامی این روش ها نیاز به قابلیت اطمینان بالا در پیش بینی دارند. با توجهبه توانایی بالای شبکه های عصبی مبتنی بر عمق حافظه، در مدل سازی سیستم های غیرخطی و متغیر با زمان، در این مقاله، جهت پیش بینیجریان ترافیک از شبکه عصبی برگشتی-المن استفاده شده است. داده های مورد استفاده در این تحقیق برگرفته از بزرگراه I-494 ، شهرمینسوتا آمریکا در دوره شش ماهه با بازه های زمانی ساعتی می باشد. به منظور آموزش پارامترهای آزاد همچون وزن های شبکه عصبی ازالگوریتم عاطفی بر مبنای گرادیان نزولی استفاده شده است، که این روش بر اساس تابع معیار خطا و تغییرات خطا عمل می کند. بنابراین درفرآیند آموزش، خطای لحظه های قبل، که بیانگر اطلاعات گذشته سیستم می باشد، تاثیر بهتری در روند یادگیری شبکه عصبی خواهد داشت.جهت استخراج ویژگی و انتخاب ورودی های مناسب شبکه، دیدگاه تئوری اطلاعات متقابل بکار گرفته شده است که با انتخاب زیرمجموعهمناسب از داده ها برای عملیات پیش بینی، در عین کاهش حجم محاسبات، منجر به افزایش دقت پیش بینی نیز گردیده است.کلیدواژه ها
شبکه عصبی برگشتی-المن، آموزش عاطفی، اطلاعات متقابل، سیستم حمل ونقل هوشمند و پیش بینی جریان ترافیکمقالات مرتبط جدید
- بررسی علل خرابی محل های وصله شده در رویه های آسفالتی به روش پرسشنامه لیکرت
- مروری بر تحقیقات انجام شده بر روی مخلوط های آسفالتی حاوی الیاف طبیعی
- ارزیابی افزودنی های مورد استفاده در بهبود مقاومت ترک خوردگی دمای پایین مخلوط آسفالتی
- ارزیابی قابلیت جذب صوت مخلوط های آسفالتی مختلف با استفاده از آزمایش لوله امپدانس
- مروری بر آلودگی صوتی روسازی: عوامل تولید و روشهای اندازه گیری نویز لاستیک-روسازی
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.