[发明专利]一种基于循环神经网络的数据预测方法在审
| 申请号： | 201811027131.3 | 申请日： | 2018-09-04 |
| 公开（公告）号： | CN109165727A | 公开（公告）日： | 2019-01-08 |
| 发明（设计）人： | 黄超;徐滢 | 申请（专利权）人： | 成都品果科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06Q10/04 |
| 代理公司： | 成都高远知识产权代理事务所(普通合伙) 51222 | 代理人： | 李安霞;曾克 |
| 地址： | 610000 四川省成都市*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于循环神经网络的数据预测方法，包括：构建循环神经网络模型；所述循环神经网络模型包括：LSTM网络层；根据已知数据走向的数据集确定所述循环神经网络模型的损失函数；对所述循环神经网络模型进行训练，获取数据预测模型；所述数据预测模型用于对输入数据进行预测；所述对所述循环神经网络模型进行训练包括：对所述LSTM网络层的权重进行优化，使所述损失函数的输出值小于预定阈值；对所述循环神经网络模型进行训练的训练集为：所述已知数据走向的数据集。本发明提供的技术方案，能够更加高效、准确地进行数据预测。 | ||
| 搜索关键词： | 循环神经网络 数据预测 损失函数 已知数据 数据集 网络层 获取数据 预测模型 训练集 构建 权重 输出 预测 优化 | ||
【主权项】：
1.一种基于循环神经网络的数据预测方法，其特征在于，包括：构建循环神经网络模型；所述循环神经网络模型包括：LSTM网络层；根据已知数据走向的数据集确定所述循环神经网络模型的损失函数；对所述循环神经网络模型进行训练，获取数据预测模型；所述数据预测模型用于对输入数据进行预测；所述对所述循环神经网络模型进行训练包括：对所述LSTM网络层的权重进行优化，使所述损失函数的输出值小于预定阈值；对所述循环神经网络模型进行训练的训练集为：所述已知数据走向的数据集。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都品果科技有限公司，未经成都品果科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811027131.3/，转载请声明来源钻瓜专利网。
