[发明专利]一种基于LSTM深度学习网络模型的疫情预测模型在审
| 申请号： | 202010846548.3 | 申请日： | 2020-08-21 |
| 公开（公告）号： | CN111968755A | 公开（公告）日： | 2020-11-20 |
| 发明（设计）人： | 洪中华;凡紫阳;栾奎峰;童小华;冯永玖;谢欢;陈鹏;刘世杰;金雁敏;许雄;柳思聪;王超;肖长江;晏雄锋;郭艺友 | 申请（专利权）人： | 上海海洋大学;同济大学 |
| 主分类号： | G16H50/80 | 分类号： | G16H50/80;G06N3/04;G06N3/08 |
| 代理公司： | 上海伯瑞杰知识产权代理有限公司 31227 | 代理人： | 俞磊 |
| 地址： | 201306 上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 lstm 深度 学习 网络 模型 疫情 预测 | ||
【权利要求书】：
1.一种基于LSTM深度学习网络模型的疫情预测模型，包括LSTM用于提取序列数据中的规律信息的长短期记忆网络层、用于拟定输出维度的全连接层、以及用于调整预测数据与标签数据之间的拟合程度的激活层；其特征在于：
所述疫情预测模型包含两层连接的长短期记忆网络层，第一层长短期记忆网络层的输出作为第二层长短期记忆网络层的输入。
2.根据权利要求1所述的基于LSTM深度学习网络模型的疫情预测模型，其特征在于：所述疫情预测模型用于输入疫情数据和输出预测结果，疫情数据在输入前经过序列化处理，所述数据序列化是将单独的数据以给定的长度封装成序列数据，所述序列数据具有用于疫情预测模型学习的内部变化规律。
3.根据权利要求2所述的基于LSTM深度学习网络模型的疫情预测模型，其特征在于：所述具有内部变化规律序列数据可在两层长短期记忆网络层和长短期记忆网络层内部循环单元进行传输，长短期记忆网络层内部循环单元在每一时刻t都有输入xt和输出ht；
所述第一层长短期记忆网络层的输出为
所述第二层长短期记忆网络层的输出为
其中，m和n分别为第一层长短期记忆网络层和第二层长短期记忆网络层的输出维度，为第l层长短期记忆网络层第t时刻的输出，上一层长短期记忆网络层的输出均作为下一层长短期记忆网络层的输入。
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上海海洋大学;同济大学，未经上海海洋大学;同济大学许可，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/pat/books/202010846548.3/1.html，转载请声明来源钻瓜专利网。
