Glasgow College University of Electronic Science and Technology of China Chengdu China;
Sparkzone Institute Beijing China;
Fitting; Roads; Public transportation; Spatiotemporal phenomena; Forecasting; Three-dimensional displays; Solid modeling;
机译:并行时空深度学习网络用于高速公路交通流量预测
机译:利用时空特征对可持续智能城市使用时空特征的交通流预测的关注深度学习模型
机译:改进流形学习与深度学习相结合的大数据挖掘预测模型
机译:基于数据挖掘和深度学习的PHETS的时空交通流量预测
机译:应用计算智能技术通过交通传感器数据和天气数据预测交通流量
机译:ADST:使用基于注意的多任务学习的深空间网络预测地铁流量
机译:基于深度学习的时间序列分析,交通流预测