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
Ramco Inst Technol Dept Comp Sci & Engn Rajapalayam India;
Muthayammal Engn Coll Dept Elect & Commun Engn Rasipuram India;
Taylors Univ Sch Comp Sci & Engn SCE Subang Jaya 47500 Malaysia;
Lovely Profess Univ Sch Comp Sci & Engn Phagwara India;
Ramco Inst Technol Dept Comp Sci & Engn Rajapalayam India;
Ramco Inst Technol Dept Comp Sci & Engn Rajapalayam India;
Natl Engn Coll Dept IT Kovilpatti India;
Lovely Profess Univ Sch Comp Sci & Engn Phagwara India;
Vanderbilt Univ Dept Comp Sci Nashville TN 37235 USA;
attention model; convolution neural network; long short#8208; term memory; traffic flow prediction;
机译:关于智能城市交通流量的预测:基于多任务的基于深度学习方法
机译:一种新的混合深度学习算法,用于预测智能城市广泛交通拥堵
机译:城市交通流预测与推特开采的城市交通流量预测的深度学习模型
机译:基于潜在能源场的交通流预测可解释的时空深度学习模型
机译:具有时空特征的实时短期交通速度预测的深度学习方法
机译:使用大数据内存计算深度学习和GPU进行更智能的流量预测
机译:一种新的混合深度学习算法,用于预测智能城市广泛交通拥堵