《表2 模型结构：基于GRU-RNN模型的城市主干道交通时间预测》

  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GRU-RNN模型的城市主干道交通时间预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

取小样本数据，按照表2中的模型结构分别对模型1、模型2、模型3进行测试，模型1中包含有输入层、GRU层、Dropout层、Dense层以及输出层。Dropout层的作用是指定比例的神经单元在训练过程中随机失效，以防止模型过拟合，在预测阶段不发生作用。Dense层将GRU内部状态转化为预测值进行输出。模型2增加了一层GRU层和Dropout层，目的在于将学习到的特征再进行组合学习。模型3则再次增加一层GRU层与Dropout层。结果如表3所示。