[发明专利]RNN模型的逐点损失估计优化方法

摘要

本发明公开了一种RNN模型的逐点损失估计优化方法，属于计算机与信息科学技术领域。该方法包括：按时间顺序将多个时间节点不同的数据集拼接成一个时间序列数据集，被拼接的数据包括各特征值和标签；利用CART决策树算法从拼接数据集中提取重要程度较高的特征，构成新的数据集；对新数据集进行数据重采样，填充各时间节点缺失的数据；基于逐点估计的损失函数训练RNN模型。由于本发明在损失函数的计算中引入了逐点损失估计，因此可以避免因长时间传输造成的信息丢失和误差增加，从而克服RNN在处理长时序列时易出现梯度爆炸或梯度消失的问题。

主权项

1.RNN模型的逐点损失估计优化方法，其特征在于所述方法包括如下步骤：步骤1，按时间顺序对n个时间节点不同的数据集进行拼接，拼接所得数据集的样本x_i由各个时间节点的样本t_i,j组成，时间节点的间隔为1小时，每个样本最多有n个时间节点的特征值和标签；步骤2，如果拼接数据集的特征维度大于10维，则以基尼指数作为特征重要性的评价指标，使用CART决策树算法对原始特征进行筛选，取出重要度排序位于前10的特征构成新的数据集；步骤3，对数据集进行数据重采样；步骤4，假设某样本x_i包含的总时刻数为T，利用第1个时刻到第T个时刻的实际输出和分类标签y⁽ⁿ⁾＝tag{t_i,n}计算损失函数L，最终根据损失函数L，使用反向传播算法更新网络参数。