实体
Zheli Xiong
Zheli Xiong
PulseAugur coverage of Zheli Xiong — every cluster mentioning Zheli Xiong across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
深度学习框架增强交通OD序列估计
研究人员开发了一种新颖的深度学习框架，以应对交通中起讫点（OD）矩阵和序列估计的挑战。该方法集成了神经网络来推断OD序列的结构特性，然后利用这些特性来指导传统的数值优化技术。该方法有效地解决了动态OD序列估计中固有的欠定问题和滞后挑战，从而提高了交通需求表示的准确性。
-
深度学习提升交通系统OD矩阵估计
研究人员开发了一种新颖的深度学习方法，用于改进起源-目的地（OD）矩阵的估计，OD矩阵是智能交通系统（ITS）的关键组成部分。这种新方法将深度学习与数值优化算法相结合，使神经网络能够直接从探针交通流中推断结构约束。这消除了对可能过时的先验OD矩阵的依赖，并由于神经网络的泛化能力而提供了实时性能和经济效益。在大规模合成和真实交通数据上的实验证明了该方法的有效性和稳定性。
-
集成强化学习模型增强金融交易策略
研究人员开发了一种用于金融交易的集成强化学习（RL）方法，将A2C、PPO和SAC等RL算法与SVM、决策树和逻辑回归等传统分类器相结合。这种混合方法旨在改善风险-回报权衡并减少与独立RL模型相比的跌幅。研究发现，集成策略的性能始终优于单个模型，尽管性能对方差阈值参数\(\tau\)敏感，这表明需要动态调整。