买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳市秦丝科技有限公司申请的专利基于深度学习模型的库存优化方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119338511B 。

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411889872.8，技术领域涉及：G06Q30/0202；该发明授权基于深度学习模型的库存优化方法及系统是由刘勇设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本基于深度学习模型的库存优化方法及系统在说明书摘要公布了：本发明提供基于深度学习模型的库存优化方法及系统，涉及深度学习技术领域，包括获取商品的多维度数据，利用图神经网络构建动态卷积核，并结合多层感知器构建软聚类分配矩阵，得到融合空间维度与时间维度的长期依赖特征。将短期和长期特征融合后输入双向长短期记忆网络生成销量预测序列，并计算预测置信区间得到最终销量预测结果。基于销量预测结果计算安全库存水平，并结合库存成本函数，利用基于深度强化学习的动态规划模型生成补货决策，最终将决策发送至供应链执行系统。本发明通过深度学习模型精确预测销量并优化库存管理，降低仓储成本、缺货成本和积压成本，有效提高供应链效率。

本发明授权基于深度学习模型的库存优化方法及系统在权利要求书中公布了：1.基于深度学习模型的库存优化方法，其特征在于，包括： 获取目标商品对应的多维度数据，所述多维度数据包括历史销量数据、商品属性数据、消费者行为数据，其中所述历史销量数据包括商品编码、销售时间、销售数量、销售价格、商品库存量，所述商品属性数据包括商品材质、商品风格、商品季节属性、商品尺码信息，所述消费者行为数据包括浏览量、收藏量、加购量、复购率；对所述多维度数据进行时序对齐处理，构建统一的时序特征矩阵；将所述时序特征矩阵输入时序卷积神经网络模型，提取短期时序特征； 根据所述多维度数据通过图卷积运算得到初始节点特征，基于多层感知器网络生成的动态卷积核对所述初始节点特征进行自适应卷积运算得到动态时序特征，结合软聚类分配矩阵对所述动态时序特征加权聚合得到聚类中心特征；根据所述动态时序特征和所述聚类中心特征通过门控网络得到门控输出特征，基于所述门控输出特征，通过多头注意力机制得到多头注意力特征，将所述多头注意力特征进行非线性变换得到变换特征，将所述变换特征和所述多头注意力特征进行残差连接得到长期依赖特征；将所述短期时序特征与所述长期依赖特征进行特征融合，得到混合特征向量；将所述混合特征向量输入双向长短期记忆网络，生成销量预测序列；基于所述销量预测序列计算预测置信区间，形成最终的销量预测结果； 基于所述销量预测结果，计算安全库存水平，其中所述安全库存水平通过预测置信区间的上下界确定；构建库存成本函数，所述库存成本函数包括仓储成本、缺货成本、积压成本三个维度的加权组合；将所述安全库存水平、所述库存成本函数输入动态规划模型，生成库存补货决策，所述库存补货决策包括补货时间点、补货数量；将所述库存补货决策发送至供应链执行系统，其中，所述动态规划模型基于深度强化学习模型构建。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市秦丝科技有限公司，其通讯地址为：518000 广东省深圳市南山区粤海街道科技园社区科技路1号桑达科技大厦5楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。