作者：骆晨; 刘澜; 李新; 褚鹏宇交通标志信息度量神经网络灰色关联度
摘要：为了提高交通标志信息量的度量精度,构建驾驶员认知交通标志信息传输模型,针对传统Elman神经网络算法在求解该问题时因量纲不同而造成数据集的波动性较大、不利于模型逼近的问题,设计了灰色关联度权重分配Elman神经网络算法进行求解仿真.采用1-AGO灰化处理样本数据集,使数据呈现单调递增趋势,弱化了数据的波动性,对数据进行归一化处理,统一数据集量纲,加快了网络训练速度,提高了算法精度.仿真结果表明：灰色关联度权重分配Elman神经网络算法在求解性能上有较大进步,可为交通标志信息度量提供有效解决方案。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《交通运输工程与信息学报》（CN：51-1652/U）是一本有较高学术价值的大型季刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《交通运输工程与信息学报》坚持党的四项基本原则，努力实践三个代表，在贯彻执行党的十六大精神和各项有关方针正策的基础上，着重反映本校、国内外广大科技工作者在交通运输工程与信息与其相关学科方向的最新科技成果、优秀设计、制造与新技术的应用开发。
杂志详情
