中文版 | English

在结果中检索

CASIA OpenIR

浏览/检索结果: 共13条，第1-10条 帮助

已选(0)清除 条数/页：   排序方式：
大数据下数模联动的随机退化设备剩余寿命预测技术 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 9, 页码: 2119-2141
作者:  李天梅;  司小胜;  刘翔;  裴洪
Adobe PDF(2114Kb)  |  收藏  |  浏览/下载：18/8  |  提交时间：2024/05/20
大数据  剩余寿命预测  数模联动  深度学习  随机退化建模  
一元及多元信号分解发展历程与展望 期刊论文
自动化学报, 2024, 卷号: 50, 期号: 1, 页码: 1-20
作者:  陈启明;  文青松;  郎恂;  谢磊;  苏宏业
Adobe PDF(5239Kb)  |  收藏  |  浏览/下载：66/16  |  提交时间：2024/04/12
信号分解  时频分析  希尔伯特–黄变换  多元信号分解  
平行交通系统中的预测与控制关键技术研究 学位论文
工学博士, 中国科学院自动化研究所: 中国科学院自动化研究所, 2022
作者:  戴星原
Adobe PDF(14868Kb)  |  收藏  |  浏览/下载：311/12  |  提交时间：2022/10/09
平行交通系统  交通预测  交通控制  深度学习  强化学习  
Short-term Bus Passenger Flow Forecast Based On Deep Learning 会议论文
, 济南, 2018-12-14
作者:  Li Xiaoshuang;  Chen Ziyang;  Zhu Fenghua;  Chang Wei;  Tan Chang;  Xiong Gang
Adobe PDF(1030Kb)  |  收藏  |  浏览/下载：176/43  |  提交时间：2022/06/16
基于图卷积网络的交通预测方法研究 学位论文
, Institute of Automation, Chinese Academy of Sciences: Institute of Automation, Chinese Academy of Sciences, 2021
作者:  张奇
Adobe PDF(12681Kb)  |  收藏  |  浏览/下载：266/3  |  提交时间：2021/07/08
交通预测  图卷积网络  时空数据挖掘  深度学习  
基于图神经网络的公共交通客流量预测方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院自动化研究所, 2021
作者:  张伟
Adobe PDF(4874Kb)  |  收藏  |  浏览/下载：177/2  |  提交时间：2021/06/18
公共交通客流量预测  图神经网络  注意力机制  自适应图学习  
基于注意力机制和分时图卷积的公交客流预测 期刊论文
模式识别与人工智能, 2021, 卷号: 34, 期号: 2, 页码: 167-175
作者:  张伟;  朱风华;  吕宜生;  陈圆圆
Adobe PDF(955Kb)  |  收藏  |  浏览/下载：302/61  |  提交时间：2021/05/27
智能交通  公交客流预测  递归神经网络  通道注意力模块  分时图卷积  
Differential Time-variant Traffic Flow Prediction Based on Deep Learning 会议论文
, Rhodes, Greece, 20-23 Sept. 2020
作者:  Wei, Zhang;  Fenghua, Zhu;  Yuanyuan, Chen;  Xiao, Wang;  Gang, Xiong;  Fei-Yue, Wang
Adobe PDF(795Kb)  |  收藏  |  浏览/下载：291/75  |  提交时间：2021/05/27
Differential Time-variant Traffic Flow Prediction Based on Deep Learning 会议论文
, Rhodes, Greece, September 20-23, 2020
作者:  Wei Zhang;  Fenghua Zhu;  Yuanyuan Chen;  Xiao Wang;  Gang Xiong;  Fei-Yue Wang
浏览  |  Adobe PDF(801Kb)  |  收藏  |  浏览/下载：320/98  |  提交时间：2020/10/20
DeepTrend 2.0: A light-weighted multi-scale traffic prediction model using detrending 期刊论文
TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES, 2019, 卷号: 103, 页码: 142-157
作者:  Dai, Xingyuan;  Fu, Rui;  Zhao, Enmin;  Zhang, Zuo;  Lin, Yilun;  Wang, Fei-Yue;  Li, Li
Adobe PDF(5109Kb)  |  收藏  |  浏览/下载：369/36  |  提交时间：2019/09/30
Traffic prediction  Deep learning  Detrending  Multi-scale traffic prediction