摘要
随着智能交通系统(ITS)的快速发展，大数据和人工智能技术在交通领域得到了广泛应用。
神经网络作为人工智能领域的核心技术之一，在处理交通大数据、解决交通问题方面展现出巨大潜力。
然而，神经网络在智能交通大数据应用中常面临过拟合问题，导致模型泛化能力下降，影响实际应用效果。
本文献综述首先介绍智能交通、大数据、神经网络和过拟合等相关概念，然后梳理神经网络过拟合问题研究概况，分析现有主要研究方法，并对不同方法进行述评，最后展望未来研究方向。
关键词：智能交通，大数据，神经网络，过拟合，深度学习
#1.1智能交通系统(ITS)智能交通系统(IntelligentTransportationSystems,ITS)是指利用先进的信息技术、通信技术、传感器技术、控制技术等，将人、车、路以及环境紧密联系起来，实现交通的智能化管理和服务，提高交通效率、安全性和舒适性。
#1.2大数据大数据(BigData)指的是规模巨大、类型多样、增长迅速、价值密度低的数据集合，具有海量性、多样性、高速性和价值性四大特点。
#1.3神经网络神经网络(NeuralNetwork)是一种模仿生物神经系统结构和功能的计算模型，由大量的人工神经元连接组成。
神经网络能够通过学习数据中的规律，实现对复杂问题的预测和分析。
#1.4过拟合过拟合(Overfitting)是指机器学习模型在训练过程中过度学习训练数据的特征，导致模型在训练数据上表现良好，但在未知数据上泛化能力较差的现象。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
