[发明专利]一种基于注意力机制的商品需求的预测系统

说明书

本申请公开了一种基于注意力机制的商品需求的预测系统，包括预测模块、预测显示模块、混合神经网络模块、注意力机制模块和时间序列模块，所述混合神经网络模块内部设有信号接收单元、卷积神经网络模块和递归神经网络模块，所述卷积神经网络模块内部设有第一抓取模块和第一定义模块，所述递归神经网络模块内部设有第二抓取模块和第二定义模块，所述注意力机制模块内部设有赋值单元和赋值输送单元，所述时间序列模块内部设有短期特征单元、局部变量单元、长期特征单元和全局宏观变量单元，所述卷积神经网络模块分别连接短期特征单元和局部变量单元。本申请提供了一种混合神经网络基于注意力机制的商品需求的预测系统。

技术领域

本申请涉及一种预测系统，具体是一种基于注意力机制的商品需求的预测系统。

背景技术

注意力机制是2017年提出用于提高语言模型学习语言能力的一种算法，注意力机制可以不仅量化单个语句上不同单词间的相关关系，还可以量化多个语句上不同单词间的相关关系，让最终的预测结果更加侧重于相关关系较强的单词，而相关关系较弱的单词对于最终预测结果的影响较小。

商品需求预测属于时间序列预测下的一个重要表现，传统的时间序列模型如自回归模型，滑动平均模型，时间序列分解模型等在处理多维时间序列和长相关性的时间序列时，表现较差，因为此类模型都是用于解决单个时间序列的预测或者平稳时间序列预测。即使使用卷积神经网络或者递归神经网络，预测结果的准确度仍然无法达到令人满意的境界。因此，针对上述问题提出一种基于注意力机制的商品需求的预测系统。

发明内容

一种基于注意力机制的商品需求的预测系统，包括预测模块、预测显示模块、混合神经网络模块、注意力机制模块和时间序列模块，所述混合神经网络模块内部设有信号接收单元、卷积神经网络模块和递归神经网络模块，所述卷积神经网络模块内部设有第一抓取模块和第一定义模块，所述递归神经网络模块内部设有第二抓取模块和第二定义模块，所述注意力机制模块内部设有赋值单元和赋值输送单元，所述时间序列模块内部设有短期特征单元、局部变量单元、长期特征单元和全局宏观变量单元，所述卷积神经网络模块分别连接短期特征单元和局部变量单元，所述递归神经网络模块分别连接长期特征单元和全局宏观变量单元。

进一步地，所述注意力机制模块连接定义输送单元，所述定义输送单元位于混合神经网络模块内部。

进一步地，所述信号接收单元连接信号输送单元，所述信号输送单元位于预测模块内部。

进一步地，所述预测模块内部设有运行单元和信号输送单元。

进一步地，所述注意力机制模块连接预测显示模块，所述预测显示模块内部设有显示单元和赋值接收单元，所述显示单元采用显示屏构成。

进一步地，所述卷积神经网络模块符合公式：h_k＝ReLU(W_k*X+b_k)，其中h_k表示卷积神经网络的k层输出，X表示输入变量，ReLU是一种激活函数，具有以下形式：ReLU＝max(0,x)。