原文传递
基于Jordan神经网络的城市道路交通研究
| 论文题名： | 基于Jordan神经网络的城市道路交通研究 |
| 关键词： | Jordan神经网络;城市道路交通;交通状态分析模型;交通流状态模型;绝对值最大权算法 |
| 摘要： | 本论文所依托的科研项目为国家自然科学基金资助项目《城市交通若干问题研究》（10671045）和贵阳市科技局基金资助项目《贵阳市城市道路交通数据库建设和网络模型研究》。 在智能交通系统的实际应用中，经常发现智能交通系统应用不够理想，究其原因，是因为交通流状态模型与常用的分析算法模型不完全匹配，不能准确的对交通状态进行预测。为此，本文提出了一种改进的Jordan神经网络模型，使其与交通流状态模型相匹配，并且设计了相应的交通状态分析模型和进行了实验结果分析。 在实际应用过程中，Jordan神经网络训练学习需要大量时间，分析其原因，是由于在进行权值计算时，计算复杂性比较高。为此，本文提出了提取绝对值最大权的训练学习算法，使其计算复杂性大大降低，并且给出了实验结果证明。 本文对城市道路交通的功能需求进行了深入的分析，并且进行了整体架构设计，建立了动态交通数据库，实现表、表项、表数据的动态变化和修改，搭建可变的数据后台。 |
| 作者： | 张宁 |
| 专业： | 计算机 |
| 导师： | 陈笑容;＃ |
| 授予学位： | 硕士 |
| 授予学位单位： | 贵州大学 |
| 学位年度： | # |
| 正文语种： | 中文 |
检索历史
应用推荐
