排序方式: 共有16条查询结果,搜索用时 187 毫秒
1.
2.
3.
4.
基于深度学习的线上农产品销量预测模型研究 总被引:1,自引:0,他引:1
本文基于线上农产品销售存在的信息不对称问题,提出一种应用深度学习算法优势结合涉农电商销售数据特点的销量预测模型-皇冠模型(Imperial Crown Model,简称ICM)。首先建立因素评价指标,将销量分为四个类别。其次,采用两层自编码网络从无标签数据集中学习得到能够表征数据特征的参数,并生成新的特征向量。然后利用训练后的有标签样本集和无标签样本集训练分类器并分类。最后,利用反向传播算法微调整个网络参数得到使损失函数值达到最小的最优参数,从而实现线上农产品的销量分类预测。经仿真分析,验证了ICM模型的分类准确率高达88%,明显高于其它未将数据进行特征学习的浅层分类器,证明了ICM具有较好的增量自学习能力和层次认知能力。 相似文献
5.
连铸坯凝固过程的边界元法分析 总被引:1,自引:0,他引:1
建立了用边界元法求解连铸坯凝固传热问题的数学模型,用FORTRAN语言编写了计算程序,以某钢厂连铸机铸坯凝固过程为例进行了计算,计算结果与实测结果接近. 相似文献
6.
7.
8.
9.
10.
加权关联规则应用于设备故障诊断是当前的研究热点,其前提假设是,设备组件的权值在整个设备生命周期中是恒定不变的。而实际上,随着设备组件的磨损,各组件的权值会随时间而发生变化。本文针对这种情况,提出了一种适用于设备故障诊断的变权关联规则算法,将随时间而变化的设备组件磨损程度因素作为衡量组件权重值的一项重要指标,以提高设备故障诊断的准确率,并用具体的实例分析来说明运用变权关联规则对设备故障诊断更加准确。 相似文献