Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

通过高效的网络和优化的集体学习模型,提高城市交通拥堵预测.

Ramesh Vatambeti1, N V RajaSekhar Reddy2, Shaik Hussain Shaik Ibrahim3

  • 1Department of CSE, Tezpur University, Tezpur, Assam, 784028, India.

Scientific reports
|November 17, 2025
PubMed
概括

相关概念视频

Prediction Intervals01:03

Prediction Intervals

3.1K
The interval estimate of any variable is known as the prediction interval. It helps decide if a point estimate is dependable.
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y. 
3.1K
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving01:29

Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving

267
Mechanistic models play a crucial role in algorithms for numerical problem-solving, particularly in nonlinear mixed effects modeling (NMEM). These models aim to minimize specific objective functions by evaluating various parameter estimates, leading to the development of systematic algorithms. In some cases, linearization techniques approximate the model using linear equations.
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
267

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Domain-Specific Transfer Learning for Gastric Cancer Tissue Classification.

Journal of imaging informatics in medicine·2026
Same author

Retraction Note: Prediction of DDoS attacks in agriculture 4.0 with the help of prairie dog optimization algorithm with IDSNet.

Scientific reports·2026
Same author

Adaptive multi-level graph representation with optimization-aware attention for robust cell association in 5G V2X networks.

Scientific reports·2026
Same author

Optical communication network signal analysis and cyber security modelling by frequency modulation with machine learning algorithm.

Scientific reports·2026
Same author

Transformer based models with hierarchical graph representations for enhanced climate forecasting.

Scientific reports·2025
Same author

Enhancing sarcasm detection in sentiment analysis for cyberspace safety using advanced deep learning techniques.

Scientific reports·2025
此摘要是机器生成的。

这项研究引入了一种混合深度学习模型,用于准确预测交通流量,增强城市交通管理. 这种新的方法改善了拥堵级别的分类,并减少了智能城市的交通堵塞.

科学领域:

  • 人工智能的人工智能
  • 城市规划 城市规划
  • 运输工程 运输工程

背景情况:

  • 交通拥堵对城市基础设施和生活质量构成重大挑战.
  • 准确的交通流量预测对于有效的交通管理策略至关重要.
  • 现有的预测模型经常与城市交通模式的复杂性和活力作斗争.

研究的目的:

  • 开发一种新的混合深度学习模型,用于增强流量预测.
  • 提高实时交通管理系统的准确性和效率.
  • 将交通流量严重程度分为不同的拥堵级别.

主要方法:

  • 采用了一组长短期记忆 (LSTM),双向LSTM (BiLSTM) 和双向门式反复单元 (BiGRU) 模型.
  • 使用EfficientNet进行了特征提取,超参数调整通过Eurygasters优化算法 (EOA) 进行了优化.
  • 采用了比赛选择的光虫群优化 (TSGSO) 来进一步提高组合模型的性能. 模糊逻辑被用于交通流量严重程度的分类.

主要成果:

  • 拟议的混合深度学习模型与现有方法相比,显示出更高的预测准确性.
  • 用TSGSO优化的整体模型显著提高了流量预测能力.
  • 模糊逻辑分类有效地将交通流量分为低,中和高拥堵级别.
关键词:
双向的单位是双向的单位.优化算法的优化算法是Eurygasters.模糊的规则就是模糊的规则.长期短期记忆 长期短期记忆锦标赛选择的光虫群群优化交通预测,交通预测.

相关实验视频

  • 该模型在保持合理的处理时间的同时实现了更高的准确性.

    • 结论:

    • 开发的混合深度学习方法为实时流量预测提供了可扩展和高效的解决方案.
    • 这项研究有助于开发更聪明的城市,通过启用主动的交通管理和减少拥堵.
    • 这些发现强调了先进的深度学习技术在解决复杂的城市交通挑战方面的潜力.