深度信念網絡優化BP神經網絡的交通流預測模型

作者：孔繁輝,李健

摘要：為提高BP神經網絡預測精度,基于深度學習理論提出一種深度信念網絡(DBN)算法優化傳統BP神經網絡預測模型。該預測算法由多層限制玻爾茲曼機(RBM)組成,采用無監督學習算法訓練參數,然后利用反向學習微調網絡參數,進而優化BP神經網絡的閾值和權值,通過訓練模型求得最優解。實驗表明,該預測模型克服了傳統神經網絡容易陷入局部最優以及函數擬合度不高的缺點,可有效提高交通流預測精度。

發文機構：天津理工大學循環經濟與企業可持續發展研究中心 天津大學管理與經濟學部

關鍵詞：交通流預測深度學習深度信念網絡BP神經網絡限制玻爾茲曼機traffic flow predictiondeep learningdeep belief networkBP neural networkRestricted Boltzmann Machine

分類號： TP3[自動化與計算機技術—計算機科學與技術]