[发明专利]基于模糊推理的在线时序数据预测方法、系统及存储介质在审
| 申请号： | 201810765815.7 | 申请日： | 2018-07-12 |
| 公开（公告）号： | CN109102066A | 公开（公告）日： | 2018-12-28 |
| 发明（设计）人： | 骆超;王海月 | 申请（专利权）人： | 山东师范大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 黄海丽 |
| 地址： | 250014 *** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于模糊推理的在线时序数据预测方法、系统及存储介质，包括：模型搭建：搭建基于区间二型的LSTM模糊神经网络模型；训练过程：提取训练样本的时序数据，将训练样本的时序数据输入到已经搭建的基于区间二型的LSTM模糊神经网络模型中，每输出一个样本，先执行结构学习，在结构学习的基础上进行参数学习；得到训练好的基于区间二型的LSTM模糊神经网络模型；预测过程：提取待预测样本的时序数据，将待预测样本的时序数据输入到已经训练好的基于区间二型的LSTM模糊神经网络模型中，输出预测结果。 | ||
| 搜索关键词： | 时序数据 模糊神经网络模型 预测 样本 存储介质 模糊推理 训练样本 参数学习 模型搭建 输出预测 训练过程 输出 学习 | ||
【主权项】：
1.基于模糊推理的在线时序数据预测方法，其特征是，包括：模型搭建：搭建基于区间二型的LSTM模糊神经网络模型；训练过程：提取训练样本的时序数据，将训练样本的时序数据输入到已经搭建的基于区间二型的LSTM模糊神经网络模型中，每输出一个样本，先执行结构学习，在结构学习的基础上进行参数学习；得到训练好的基于区间二型的LSTM模糊神经网络模型；预测过程：提取待预测样本的时序数据，将待预测样本的时序数据输入到已经训练好的基于区间二型的LSTM模糊神经网络模型中，输出预测结果。
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山东师范大学，未经山东师范大学许可，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/patent/201810765815.7/，转载请声明来源钻瓜专利网。
