技术特征:
技术总结
本发明属于深度学习领域,具体涉及一种防止数据信息丢失的DGRU神经网络及其预测模型建立方法。DGRU神经网络预测模型建立方法包括如下步骤:1、对数据集进行数据清洗,包括处理数据不平衡问题、归一化问题;2、利用数据预处理后的数据集训练DGRU神经网络,建立预测模型;3、根据模型预测结果。DGRU神经网络,包括输入层、输出层和隐含层,隐含层由DGRU神经元构成,DGRU是在GRU的基础上改进的,DGRU神经网络的输入数据为经过数据预处理后的t时刻的集群行为数据输出数据为预测的下一刻集群行为本发明增加了不同层之间的信息传递,增强模型的记忆能力,克服传统GRU神经网络信息丢失问题,应用DGRU建立的预测模型,提高了预测精度。
技术研发人员:任龙;张玲玲;王磊;王鑫;关智允;徐东;孟宇龙;张子迎;李贤;宫思远
受保护的技术使用者:哈尔滨工程大学
技术研发日:2018.09.01
技术公布日:2019.02.15