排序方式: 共有20条查询结果,搜索用时 15 毫秒
1.
2.
针对车辆轨迹预测中节点序列的时序特性和实际路网中的空间关联性,该文提出一种基于深度置信网络和SoftMax (DBN-SoftMax)轨迹预测方法.首先,考虑到轨迹在节点集合中的强稀疏性和一般特征学习方法对新特征的泛化能力不足,该文利用深度置信网络(DBN)较强的无监督特征学习能力,达到提取轨迹局部空间特性的目的;然后,针对轨迹的时序特性,该文采用逻辑回归的预测思路,用当前轨迹集在路网特征空间中的线性组合来预测轨迹;最后,结合自然语言处理领域中的词嵌入的思想,基于实际轨迹中节点存在的上下文关系,运用节点的向量集表征了节点间的交通时空关系.实验结果表明该模型不仅能够有效地提取轨迹特征,并且在拓扑结构复杂的路网中也能得到较好的预测结果. 相似文献
3.
4.
5.
[考试内容和考试要求]1.考试内容极限:数学归纳法.数学归纳法的应用.数列的极限.函数的极限.根限的四则运算.函数的连续性.导数:导数的概念.导数的几何意义.几种常见函数的导数.两个函数的和、差、积、商的导数.复合函数的导数.基本导数公式.利用导数研究函数的单调性和极值.函 相似文献
6.
7.
云计算是一种基于互联网的计算方法,在云计算背景下,可以实现信息、资源共享,用户只需要通过浏览器或移动应用程序就可以访问云的服务。然而,在网络信息时代下,为了确保云计算应用越来越广泛,完善云安全的防御策略显得尤为重要。本文对云计算中云安全防御策略的设计思路构建进行探讨,从而提高云计算的安全性能。 相似文献
8.
针对车辆轨迹预测中节点序列的时序特性和实际路网中的空间关联性,该文提出一种基于深度置信网络和SoftMax (DBN-SoftMax)轨迹预测方法。首先,考虑到轨迹在节点集合中的强稀疏性和一般特征学习方法对新特征的泛化能力不足,该文利用深度置信网络(DBN)较强的无监督特征学习能力,达到提取轨迹局部空间特性的目的;然后,针对轨迹的时序特性,该文采用逻辑回归的预测思路,用当前轨迹集在路网特征空间中的线性组合来预测轨迹;最后,结合自然语言处理领域中的词嵌入的思想,基于实际轨迹中节点存在的上下文关系,运用节点的向量集表征了节点间的交通时空关系。实验结果表明该模型不仅能够有效地提取轨迹特征,并且在拓扑结构复杂的路网中也能得到较好的预测结果。 相似文献
10.