156984
Książka
W koszyku
(Monografia / [Politechnika Śląska] ; 738)
2.PREDYKCJA PARAMETRÓW I KLASYFIKACJA WARUNKÓW RUCHU DROGOWEGO 2.1.Modele predykcji parametrów ruchu drogowego 2.1.1.Modele parametryczne 2.1.2.Modele nieparametryczne 2.1.3.Modele hybrydowe 2.2.Klasyfikacja warunków ruchu 3.ZASTOSOWANIE SIECI NEURONOWYCH DO PREDYKCJI PARAMETRÓW RUCHU I KLASYFIKACJI WARUNKÓW RUCHU 3.1.Własności sieci neuronowych 3.2.Predykcja parametrów ruchu drogowego 3.2.1.Baza danych pomiarowych i ciągi uczące 3.2.2.Model predykcji natężenia ruchu z użyciem sieci MLP 3.2.3.Model predykcji natężenia ruchu z użyciem sieci DLN z autoenkoderami 3.2.4.Porównanie dokładności predykcji modeli MLPp i DLNp 3.3.Klasyfikacja warunków ruchu z użyciem sieci neuronowych 4.PRZESTRZENNO-CZASOWY MODEL PREDYKCJI NATĘŻENIA RUCHU DLA SIECI SKRZYŻOWAŃ Z UŻYCIEM SIECI DEEP LEARNING 4.1.Model sieci DLN z autoenkoderami dla predykcji natężenia ruchu 4.2.Własności przestrzenno-czasowego modelu predykcji 4.3.Problem uszkodzonych detektorów 4.3.1.Analiza wrażliwości predykcji na błędne dane 4.3.2.Ciągi uczące modelujące uszkodzone detektory 4.3.3.Błędy predykcji natężenia ruchu z użyciem poprawionego modelu 5.KLASYFIKACJA WARUNKÓW RUCHU 5.1.Teksturo wy model zadania klasyfikacji warunków ruchu 5.2.Model klasyfikacji z użyciem konwolucyjnej sieci neuronowej
Pliki multimedialne:
Status dostępności:
Magazyn
Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 146890 E N (1 egz.)
Strefa uwag:
Uwaga dotycząca bibliografii
Bibliografia, netografia na stronach 124-129.
Uwaga dotycząca języka
Streszczenie w języku angielskim. Spis treści także w języku angielskim.
Pozycja została dodana do koszyka. Jeśli nie wiesz, do czego służy koszyk, kliknij tutaj, aby poznać szczegóły.
Nie pokazuj tego więcej

Deklaracja dostępności