مروری بر روش های بهبود پیش بینی جریان ترافیک

پیش بینی جریان ترافیک یکی از نیازهای اساسی سفر راحت است، اما این وظیفه در سیستم های سایبری- فیزیکی به دلیل افزایش روزافزون ترافیک و عدم قطعیت داده های بزرگ ترافیک، چالش برانگیز است. اگرچه روش های یادگیری عمیق (DL)1 با عملکرد برجسته به تازگی محبوب شده اند، بسیاری از مدل های DL موجود برای پیش بینی جریان ترافیک به طور کامل قطعی هستند و هیچ گونه عدم اطمینان داده ای را در اختیار ندارند. در این مقاله با بررسی و مقایسه روش های گذشته پیش بینی جریان ترافیک می توانیم به این نتیجه می رسیم که بهترین روش استفاده از نظریه فازی و مدل شبکه یادگیری عمیق می باشد.

مروری بر روش های بهبود پیش بینی جریان ترافیک Keywords:

یادگیری عمیق , نمایندگی فازی , پیش بینی جریان ترافیک

مروری بر روش های بهبود پیش بینی جریان ترافیک authors

مهدی شاکری

دانشجوی کارشناسی ارشد ، دانشگاه آزاد اسلامی واحد اصفهان خوراسگان ، ایران

نرگس حبیبی

استادیار، دانشگاه آزاد اسلامی واحد اصفهان خوراسگان ، ایران

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

هوش مصنوعی > یادگیری عمیق

Export:

Link to this Paper:

https://civilica.com/doc/949555

Document National Code:

CEDAB03_021

Index date: 20 October 2019

نظرات خوانندگان

5.00

1 تعداد پژوهشگران نظر دهنده

5 1

4 0

3 0

2 0

1 0

How to cite:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the references section:

شاکری، مهدی و حبیبی، نرگس،1398،مروری بر روش های بهبود پیش بینی جریان ترافیک،3rd National Conference on Computer Engineering, Data Mining and Massive Data،Mobarakeh،https://civilica.com/doc/949555

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، شاکری، مهدی؛ نرگس حبیبی)
برای بار دوم به بعد: (1398، شاکری؛ حبیبی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:

Ranking of Islamic Azad University of Isfahan

Type of center: دانشگاه آزاد

Paper count: 17,736

In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

مقالات پیشنهادی مرتبط

مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.

Related papers

مقاله فارسی "مروری بر روش های بهبود پیش بینی جریان ترافیک" توسط مهدی شاکری، دانشجوی کارشناسی ارشد ، دانشگاه آزاد اسلامی واحد اصفهان خوراسگان ، ایران؛ نرگس حبیبی، استادیار، دانشگاه آزاد اسلامی واحد اصفهان خوراسگان ، ایران نوشته شده و در سال 1398 پس از تایید کمیته علمی سومین کنفرانس ملی مهندسی کامپیوتر،داده کاوی و داده های حجیم پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله یادگیری عمیق، نمایندگی فازی، پیش بینی جریان ترافیک هستند. این مقاله در تاریخ 28 مهر 1398 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 684 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که پیش بینی جریان ترافیک یکی از نیازهای اساسی سفر راحت است، اما این وظیفه در سیستم های سایبری- فیزیکی به دلیل افزایش روزافزون ترافیک و عدم قطعیت داده های بزرگ ترافیک، چالش برانگیز است. اگرچه روش های یادگیری عمیق (DL)1 با عملکرد برجسته به تازگی محبوب شده اند، بسیاری از مدل های DL موجود برای پیش بینی جریان ترافیک به ... . این مقاله در دسته بندی موضوعی یادگیری عمیق طبقه بندی شده است. برای دانلود فایل کامل مقاله مروری بر روش های بهبود پیش بینی جریان ترافیک با 9 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.