《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》

获取高清版本忘记账户？点击这里登录

下载图表忘记账户？点击这里登录

*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）