基于双最优学习率快速学习神经网络的交通流预测方法专利登记公告

专利名称：基于双最优学习率快速学习神经网络的交通流预测方法

摘要：本发明涉及基于双最优学习率快速学习神经网络的交通流预测方法，首先选用连续的m个交通流历史数据作为预测网络的输入，对数据进行归一化处理；采用三层神经网络，对权值和小波基函数的伸缩、平移因子初始化；小波基函数的平移因子和转移因子采用第一学习率，网络权值采用第二学习率；提供一个学习率数组，进行双最优学习率的网络训练；使用当前时刻至前m-1个周期的值作为训练后的网络的输入，输出进行反归一化后，得到当前时刻的下一时刻交通流的预测值；本发明的方法在每次网络训练时第一、二学习率采用最优学习率，能够实现快速网络训练，高精

专利类型：发明专利

专利号：CN201210007480.5

专利申请（专利权）人：河南科技大学

专利发明（设计）人：张海涛;秦黎明;刘翠苹;白舸;张世伟

主权项：一种基于双最优学习率快速学习神经网络的交通流预测方法，其特征在于，该方法的步骤如下：(1)选用连续的m个交通流历史数据作为预测网络的输入；(2)输入输出数据进行归一化处理，将其范围限定在[?1，1]；(3)神经网络采用输入层、隐层、输出层三层网络结构，使用randn函数对权值和小波基函数的伸缩、平移因子初始化，赋予一个(0，1]之间随机值；小波基函数的平移因子和转移因子采用第一学习率，网络权值采用第二学习率；(4)提供一个学习率数组，网络开始学习时，在信号正向传播阶段，信号经各层逐层向后传播，最后到达输出

专利地区：河南