《表2 模型超参数设置:基于图卷积神经网络和注意力机制的短时交通流量预测》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于图卷积神经网络和注意力机制的短时交通流量预测》
*CNN卷积核大小均为3×3
本文采用反向传播神经网络(BPNN)、长短时间记忆网络和卷积神经网络作为对比模型.所有的网络模型用Pytorch搭建,设置均方误差(MSE)为损失函数,模型参数学习率设置为10-3,训练样本Batch大小为1 024.实验在Intel Core i7-8700 CPU和Nvidia GeForce GTX 1060(3G)显卡上进行.模型的超参数设置如表2所示:
图表编号 | XD0056047800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 李志帅、吕宜生、熊刚 |
绘制单位 | 中国科学院大学、中国科学院自动化研究所复杂系统管理与控制国家重点实验室、中国科学院自动化研究所复杂系统管理与控制国家重点实验室、中国科学院自动化研究所复杂系统管理与控制国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |