[发明专利]用于交通流量预测的卷积神经网络多点回归预测模型

摘要

本发明公开一种用于交通流量预测的卷积神经网络多点回归预测模型，包括如下步骤：第一感知输入层，第二卷积层：对输入层数据进行卷积，通过激活函数后输出；多层卷积层：对上一层的输出作为输入进行卷积处理，通过激活函数后输出；第四全链接层，第五丢弃层：“随机丢弃层”舍弃一些冗余的神经元，保留上层全链接节点的40％‑70％，第六输出层：丢弃层的有效节点输出进行回归计算，得到的回归数值就是整个网络的输出，共设置m个输出节点，即将全链接层映射到输出层，作权重组合。相比传统的统计回归模型，具有数据空间关联的特征提取能力，具有局部感知野和权值共享的优势，使得在时间复杂度和特征选择上具有更好的平衡。

主权项

1.用于交通流量预测的卷积神经网络多点回归预测模型，其特征在于，包括如下步骤：(1)第一感知输入层：训练数据的输入，通常需要转换成矩阵形式；(2)第二卷积层：对输入层数据进行卷积，通过激活函数后输出；(3)多层卷积层：对上一层的输出作为输入进行卷积处理，通过激活函数后输出；(4)第四全链接层：上一层的输出为输入，“全链接层”实现特征向量的回归计算，在该层设置Q个节点，把卷积层得到的矩阵全部拼接成一唯向量，再映射成Q个节点上，作权重组合；(5)第五丢弃层：“随机丢弃层”舍弃一些冗余的神经元，保留上层全链接节点的40％‑70％，(6)第六输出层：丢弃层的有效节点输出进行回归计算，得到的回归数值就是整个网络的输出，共设置m个输出节点，将第五丢弃层映射到输出层，作权重组合。