小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型.pdf
<h3>一、基本信息</h3><p>文档名称：小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型</p>
<p>文档格式：pdf格式</p>
<p>文档大小：1.66MB</p>
<p>总页数：10页</p>
</br>
<h3>二、简介</h3>
<p>《小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型》旨在解决雾天条件下车辆跟驰行为建模中的数据不足问题。该研究结合迁移学习与长短期记忆网络（LSTM），利用已有清晰天气下的驾驶数据，提升在雾天等恶劣环境下的模型泛化能力。通过迁移学习策略，将源域的知识迁移到目标域，有效缓解了小样本带来的挑战。实验结果表明，该模型在预测精度和稳定性方面优于传统方法，为复杂天气条件下的智能驾驶提供了可靠的技术支持。</p>
</br>
<h3>三、预览</h3>
<img src="https://d.z3060.com/docthumbnail/202509/03/3dthquqxiat.webp" title="小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型" alt="小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型">
页:
[1]