×

LSTM和注意力机制相结合的机器学习模型

消耗积分:0 | 格式:rar | 大小:1.97 MB | 2021-04-08

分享资料个

　　随着射频识别（RFID）技术的不断发展，其相比全球定位系统（GPS）具有高精度、数据信息量大的优势，将其应用于智能交通以预测移动对象位置受到广泛关注。然而，由于其定位基站分布离散，并且不同基站对位置预测的影响权重不同，以及长期的历史信息会来带维数灾难等，移动对象的位置预测面临着严峻的挑战。针对这些挑战，在分析现有预测算法的不足的基础上，提出了一种长短期记忆网络（LSTM）和注意力（ Attention）机制相结合的机器学习模型（LSTM- Attention）。该算法将one-hot编码后的输入向量通过神经网络进行降维处理后，利用注意力杋制来发掘不同的定位基站对位置预测的权重影响，最后进行位置预测。在南京交管局提供的RFD数据集上进行的对比实验表明，与现有算法相比，所提算法在预测准确性上有明显的提升。

下载并关注上传者 低至0.43元/天 开通VIP 免费下载

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !