期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于LSTM神经网络的超市蔬菜类商品收益预测
1
作者 茹慧英 马嘉 +2 位作者 贺豪 安彦宇 郑佳琦 《长江信息通信》 2024年第4期69-72,76,共5页
目前深度学习预测技术已经十分成熟,适用于多种类型的预测任务,可以对时间序列数据进行准确预测。长短期记忆神经网络(LSTM)在循环神经网络(RNN)的基础上解决了梯度消失和梯度爆炸的问题,可用于预测长时间序列数据。文章提出了基于长短... 目前深度学习预测技术已经十分成熟,适用于多种类型的预测任务,可以对时间序列数据进行准确预测。长短期记忆神经网络(LSTM)在循环神经网络(RNN)的基础上解决了梯度消失和梯度爆炸的问题,可用于预测长时间序列数据。文章提出了基于长短期记忆网络的超市蔬菜类商品的收益预测算法。首先利用长短期记忆(LSTM)对蔬菜单品净藕的批发单价、销售单价、销售总量进行预测,在此结果的基础上对花叶类蔬菜进行预测,从结果中可以看出长短期记忆网络(LSTM)对蔬菜类商品的预测效果表现十分出色,最后得到花叶类蔬菜的商品总收益。 展开更多
关键词 长短期记忆神经网络 循环神经网络 预测
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部