机译:异构交通数据中缺失值的估计:多模式深度学习模型的应用
Shenzhen Univ Coll Civil & Transportat Engn Shenzhen Peoples R China;
Beihang Univ State Key Lab Software Dev Environm Beijing Peoples R China;
Changan Univ Sch Highway Xian Peoples R China;
Univ Wisconsin Dept Civil & Environm Engn Madison WI 53706 USA;
Southeast Univ Sch Transportat Nanjing Peoples R China;
Autoencoder; Feature fusion; Deep learning; Traffic missing data; Imputation;
机译:缺失值的多峰数据对阿尔茨海默氏病及其前驱阶段的预测建模
机译:大数据和深度学习方法在极端交通条件下的大规模全覆盖交通速度估计:中国的案例研究
机译:使用大数据和深度学习方法的极端交通条件下大规模全覆盖流量估算:案例研究
机译:多模式自动编码器:一种深度学习方法,用于填充缺失的传感器数据并实现更好的情绪预测
机译:数据挖掘应用程序,用于更新流量计数的缺失值。
机译:深度学习在工业制药研究中利用大规模和异构化合物数据的应用
机译:使用aRIma模型在流量计数数据中建模异常值和缺失值。