| 【中文题名】 | 广义神经网络的研究及其在交通流预测中的应用 |
| 【英文题名】 | Research of Generalized Neural Network and Its Application in Traffic Flow Forecasting |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-5-13 |
| 【中关键词】 | 智能神经元,广义神经网络,交通流量预测,并行计算,网格计算, |
| 【英关键词】 | Intelligent Neuron,Generalized Neural Network,Traffic Flow Forecasting,Parallel Computing,Grid Computering, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 | 作为智能交通系统的重要研究方面,交通流诱导系统是目前公认的提高交通效率和
机动性的最佳途径。交通流诱导系统的实质是向出行者提供实时准确的交通信息。交通
流量是城市道路交通状况的一种重要信息,因此交通流量预测具有重要的现实意义。由
于影响交通流量的因素众多,这就给交通流量预测,尤其是短时的交通流量预测带来了
困难。
神经网络技术由于其较好的适应性,已经成为信息预测的常用模型。本文在传统神
经网络的基础上,利用线性独立函数和带有可调参数的Sigmoid函数构造了一种新的智
能神经元模型,分析表明,这种智能神经元有较高的信息存储能力,使神经网络的信息
处理能力大大增强。同时为了缩小神经网络输入模式的规模,本文利用相关性理论分析
相邻路段不同时段流量的相关性,选择与被预测路段相关性大的路段流量作为神经网络
输入,建立了基于广义神经网络的交通流量预测模型。实验结果表明,本文设计的广义
神经网络模型的收敛速度和预测精度较传统BP神经网络大大提高。
神经网络计算具有内在的并行性,并行处理方法是减少神经网络学习时间的有效方
法,为了进一步加快神经网络的学习速度,本文设计了一... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-8 |
|
1引言 |
8-14 |
|
1.1选题背景和研究意义 |
8-9 |
|
1.2研究现状 |
9-12 |
|
1.3本文的主要工作 |
12 |
|
1.4本文的组织结构 |
12-14 |
|
2基于广义神经网络的交通流量预测 |
14-29 |
|
2.1误差逆传播神经网络的基本原理 |
15-19 |
|
2.1.1误差逆传播神经网络的结构和学习过程 |
15-16 |
|
2.1.2BP神经网络的学习算法 |
16-19 |
|
2.1.3BP神经网络的改进 |
19 |
|
2.2广义神经网络模型 |
19-24 |
|
2.2.1智能神经元模型 |
20-22 |
|
2.2.2广义神经网络模型及其学习算法 |
22-24 |
|
2.3交通流量预测模型 |
24-25 |
|
2.4实验结果 |
25-28 |
|
2.5小结 |
28-29 |
|
3并行计算的基本理论 |
29-38 |
|
3.1并行性 |
29-30 |
|
3.2并行算法的一般概念 |
30-33 |
|
3.2.1并行算法设计的策略 |
30-31 |
|
3.2.2并行算法的性能评估 |
31-32 |
|
3.2.3并行编程模式 |
32-33 |
|
3.3PC集群并行计算平台 |
33-36 |
|
3.4PC集群上并行程序的开发过程 |
36-38 |
|
3.4.1并行程序的设计和实现 |
36-37 |
|
3.4.2并行应用程序的编译与运行 |
37-38 |
|
4广义神经网络的并行学习算法 |
38-47 |
|
4.1神经网络学习算法的并行性 |
38-41 |
|
4.1.1训练集分解 |
38-39 |
|
4.1.2层分解 |
39-40 |
|
4.1.3节点分解 |
40-41 |
|
4.2广义神经网络的并行学习算法 |
41-44 |
|
4.2.1传统训练集分解并行算法的缺点 |
42-43 |
|
4.2.2新的基于训练集分解的并行学习算法 |
43-44 |
|
4.3并行学习算法的实现 |
44-45 |
|
4.4实验结果 |
45-46 |
|
4.5小结 |
46-47 |
|
5网格环境下广义神经网络的并行学习 |
47-51 |
|
5.1网格计算对传统高性能计算的冲击 |
47 |
|
5.2网格计算 |
47-48 |
|
5.3MPICH-G2 |
48-49 |
|
5.4算法描述 |
49 |
|
5.5实验测试 |
49-51 |
|
5.5.1网格实验环境 |
49-50 |
|
5.5.2实验结果 |
50-51 |
|
结论 |
51-53 |
|
参考文献 |
53-56 |
|
攻读硕士学位期间发表学术论文情况 |
56-57 |
|
致谢 |
57-58 |
|
大连理工大学学位论文版权使用授权书 |
58 |
|
| 【DOI】 | LunWen.ID:2.2008.387295 |
