您当前的位置:
首页 >
文章列表页 >
城市场景下基于域适应迁移学习的交通流预测方法
学术通信 | 更新时间:2025-08-07
    • 城市场景下基于域适应迁移学习的交通流预测方法

    • Traffic prediction method based on domain adaptive transfer learning in urban scenarios

    • 在交通流预测领域,研究者提出了基于域适应的可迁移方法,设计了迁移学习模型及轻量化时空序列预测网络,提高了跨城市迁移能力,性能提升9.03%。
    • 通信学报   2025年46卷第7期 页码:262-277
    • DOI:10.11959/j.issn.1000-436x.2025128    

      中图分类号: TP391
    • 收稿日期:2025-02-08

      修回日期:2025-07-07

      录用日期:2025-07-15

      纸质出版日期:2025-07-25

    移动端阅览

  • 夏振厂,班一杰,田有亮等.城市场景下基于域适应迁移学习的交通流预测方法[J].通信学报,2025,46(07):262-277. DOI: 10.11959/j.issn.1000-436x.2025128.

    XIA Zhenchang,BAN Yijie,TIAN Youliang,et al.Traffic prediction method based on domain adaptive transfer learning in urban scenarios[J].Journal on Communications,2025,46(07):262-277. DOI: 10.11959/j.issn.1000-436x.2025128.

  •  
  •  

0

浏览量

0

下载量

0

CSCD

文章被引用时,请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

面向正常拟合迁移学习模型的成员推理攻击
基于多维度和多模态信息的视频描述方法

相关作者

陈晋音
上官文昌
张京京
郑海斌
郑雅羽
张旭鸿
丁恩杰
刘忠育

相关机构

浙江工业大学网络空间安全研究院
浙江工业大学信息工程学院
军事科学院系统工程研究院信息系统安全技术国防科技重点实验室
浙江大学控制科学与工程学院
中国矿业大学物联网(感知矿山)研究中心
0