基于循环神经网络(Recurrent Neural Network, RNN)算法的智能迭代预测模型训练,已经在人工智能技术应用于数据预测领域方面进行了许多研究。然而,RNN技术在长期时间序列的信息记忆方面,一直存在记忆数据梯度消失的问题。本文引入长短...基于循环神经网络(Recurrent Neural Network, RNN)算法的智能迭代预测模型训练,已经在人工智能技术应用于数据预测领域方面进行了许多研究。然而,RNN技术在长期时间序列的信息记忆方面,一直存在记忆数据梯度消失的问题。本文引入长短期记忆模型(Long Short Term Memory,LSTM),对基于RNN的训练模型进行改良。并以重庆市某服装X门店作为实例,对其一个季度内的销量Q进行预测训练,得到的结果差异率小于5%,验证了人工智能技术在企业预算预测领域的实用性。展开更多
文摘基于循环神经网络(Recurrent Neural Network, RNN)算法的智能迭代预测模型训练,已经在人工智能技术应用于数据预测领域方面进行了许多研究。然而,RNN技术在长期时间序列的信息记忆方面,一直存在记忆数据梯度消失的问题。本文引入长短期记忆模型(Long Short Term Memory,LSTM),对基于RNN的训练模型进行改良。并以重庆市某服装X门店作为实例,对其一个季度内的销量Q进行预测训练,得到的结果差异率小于5%,验证了人工智能技术在企业预算预测领域的实用性。