|
|||||
|
|
| 基于改进极限学习机和深度神经网络融合的车辆轨迹长期预测 | |
| 作者姓名： | 谭紫阳 高忠文 邓宇 |
| 作者单位： | 哈尔滨理工大学,哈尔滨 150080;西安交通大学,动力工程多相流国家重点实验室,西安 710049 |
| 基金项目： | 中央高校基本科研业务费专项;西安市科技计划 |
| 摘 要： | 针对轨迹预测中基于物理的运动模型长期预测(超过1 s)不可靠、深度学习预测模型易产生梯度消失或梯度爆炸的问题,提出了一种将改进极限学习机(ELM)和深度神经网络进行信息融合的预测模型。改进的极限学习机以模拟退火粒子群优化(SAPSO)算法为基础,改进的深度神经网络使用修正线性单元(ReLU)函数替换激活函数,并使用均方根反向传播(RMSProp)算法来优化深度神经网络,试验结果表明,提出的预测算法具有较高的预测精度。 |
| 关 键 词： | 智能车辆 轨迹预测 深度神经网络 极限学习机 |
| 本文献已被 万方数据 等数据库收录！ | |