%0 Journal Article
%T 基于GGA的RBF神经网络及其在交通信息预测中的应用
%A 郭璘
%A 方廷健
%A 叶加圣
%J 模式识别与人工智能
%P 831-835
%D 2006
%X 准确可靠的交通信息预测是实现智能交通诱导和交通管理的关键.本文提出一种两步学习算法:遗传梯度算法,用于RBF神经网络的学习,并应用到交通信息预测中.算法充分利用遗传算法的全局优化能力和梯度下降算法的局部搜索能力,一方面加快网络收敛速度,另一方面优化网络结构,并在一定程度上提高网络的推广能力.宁波市实时交通速度信息预测的实验结果论证该算法的有效性.
%K 遗传梯度算法(GGA)
%K RBF神经网络
%K 遗传算法(GA)
%K 梯度下降算法
%K 交通信息预测
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract10729.shtml