[发明专利]一种工业供应链中基于深度学习的成交定价推荐方法在审
| 申请号： | 201811314589.7 | 申请日： | 2018-11-06 |
| 公开（公告）号： | CN109493137A | 公开（公告）日： | 2019-03-19 |
| 发明（设计）人： | 姚兰;刘岩;赵志滨;马衍崧;柳秀梅;王大力;戎荷婷;褚超;任丽萍;吴永琪;赵永恒;刘亚松 | 申请（专利权）人： | 东北大学 |
| 主分类号： | G06Q30/02 | 分类号： | G06Q30/02;G06N3/04;G06N3/08 |
| 代理公司： | 北京君泊知识产权代理有限公司 11496 | 代理人： | 王程远 |
| 地址： | 110000 辽宁*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种工业供应链中基于深度学习的成交定价推荐方法，包括：对多年以来的交易信息进行清洗和预处理，并作为训练数据；BP神经网络模型的构造及训练；对得到的模型进行检测：使用预测数据与真实数据进行比较，查看此模型的正确率；成交价格推荐：深度学习模型确定之后，根据定价在一个价格区间之内按照步长对每一个价格进行预测，将所有预测成功的价格推荐给用户，实现成交定价推荐功能。与现有技术相比，本发明明确了该成交定价推荐的模式后，在对业务数据进行清洗和处理的基础上，采用五层深度学习模型进行训练，用训练好的模型进行预测，并对预测的结果分析处理，最终实现对工业供应链中成交定价的推荐功能。 | ||
| 搜索关键词： | 定价 供应链 预测 清洗 学习 预处理 价格区间 交易信息 结果分析 模型确定 训练数据 业务数据 预测成功 预测数据 真实数据 正确率 检测 | ||
【主权项】：
1.一种工业供应链中基于深度学习的成交定价推荐方法，其特征在于，包括以下步骤：步骤一、对多年以来的交易信息进行清洗和预处理，并作为训练数据；步骤二、BP神经网络模型的构造及训练：1)构造BP神经网络模型，第一层为输入层，第二层包含512个隐藏层，第三层为216个隐藏层，第四层为128个隐藏层，第五层包含一个隐藏层，为输出层，前四层采用了relu激活函数，最后一层采用了sigmoid激活函数，前四层均采用dropout正则化技术，输入训练数据对BP神经网络进行训练，在训练过程中随机地忽略一些神经元；2)采用遗传算法优化BP神经网络的初始权值和阈值，使优化后的网络更好的预测；步骤三、对得到的模型进行检测：使用预测数据与真实数据进行比较，查看此模型的正确率；步骤四、成交价格推荐：深度学习模型确定之后，根据定价在一个价格区间之内按照步长对每一个价格进行预测，将所有预测成功的价格推荐给用户，实现成交定价推荐功能。
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东北大学，未经东北大学许可，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/201811314589.7/，转载请声明来源钻瓜专利网。
