Abstract: J. Bi, H. Li, Z. Fan (2021)

To leverage computer vision technology to improve the accuracy of tourism demand forecasting, a model based on deep learning with time series imaging is proposed. The model consists of three parts: sequence image generation, image feature extraction, and model training. In the first part, the tourism demand data are encoded into images. In the second part, the convolution and pooling layers are used to extract features from the obtained images. In the final part, the extracted features are input into long short-term memory networks. Based on historical tourism demand data, the model for forecasting future tourism demand can be obtained. The performance of the proposed model is experimentally assessed through comparing against seven benchmark models.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Tourism demand forecasting with time series imaging: A deep learning model