金沙官网教师屈立成在国际期刊《Neurocomputing》上发表论文

2021年9月，3354cc金沙集团教师屈立成以第一作者身份在计算机学科国际顶级学术期刊《Neurocomputing》上发表论文“Features injected recurrent neural networks for short-term traffic speed prediction”（用于短时交通流速度预测的特征注入循环神经网络）。论文第一署名单位为3354cc金沙集团。

文章介绍

  该论文以复杂环境下的交通状态为研究对象，充分考虑了时空因素的重要影响和循环神经网络在时间序列分析领域的优异性能，提出了一种新型的特征注入循环神经网络（FI-RNNs）模型，通过融合交通流速度序列数据及其上下文因素来挖掘交通流状态与其上下文之间的潜在关系。

  该模型使用堆叠的循环神经网络学习交通流数据的序列特征，同时训练了一个稀疏的自动编码器来扩展其上下文特征，然后利用特征融合机制将上下文特征注入到序列特征中，最后新生成的融合特征被送至预测器以预测未来的交通流状态。基于两个真实数据集的案例研究表明，上下文特征的注入可以大大提高时间序列预测的准确性并加速模型的收敛。尽管实际地交通流速度充满了复杂性和随机波动，但所提出的特征注入模型在通勤高峰和周末都表现出非常好的鲁棒性和稳定性。

期刊介绍

  Neurocomputing目前是全球计算机科学和人工智能领域的顶级期刊，主要报道神经计算领域最新的基础研究和前沿进展，涵盖神经计算理论、实践和应用等基本主题，该刊当前影响因子为5.779，在中科院分区中属于Q2类Top期刊。