申请/专利权人:北京工商大学
申请日:2021-06-10
公开(公告)日:2024-02-27
公开(公告)号:CN113378383B
主分类号:G06Q30/0202
分类号:G06Q30/0202;G06Q30/0201;G06Q30/018;G06Q50/04;G06N3/0442;G06N3/0985
优先权:
专利状态码:有效-授权
法律状态:2024.02.27#授权;2021.09.28#实质审查的生效;2021.09.10#公开
摘要:本发明提出了一种食品供应链危害物预测方法,所述方法包括:采用正则化方法定义噪声平滑损失函数;搭建结合GRU子预测器和所述噪声平滑损失函数的预测模型,并对所述预测模型进行训练;根据训练后的预测模型对食品供应链危害物进行预测获得预测结果。本发明提出了一种结合GRU子预测器和采用正则化涉及的噪声平滑损失函数的预测模型,能够减少预测模型对随机噪声的拟合程度,提高了预测的准确度,在实际应对噪声大、出现测量错误等问题概率较大的预测任务中有更好的效果。
主权项:1.一种食品供应链危害物预测方法,其特征在于,所述方法包括:采用正则化方法定义噪声平滑损失函数,所述噪声平滑损失函数为: 其中是预测值,是真实值,是正则化项,是衡量数据中每三个点平滑程度的矩阵;搭建结合GRU子预测器和所述噪声平滑损失函数的预测模型,并对所述预测模型进行训练;根据训练后的预测模型对食品供应链危害物进行预测获得预测结果;所述方法还包括:通过贝叶斯优化算法对所述预测模型的超参数进行优化获得最优超参数;根据所述最优超参数对所述预测模型进行训练获得最优预测模型;根据所述最优预测模型对食品供应链危害物进行预测获得预测结果;所述通过贝叶斯优化算法对所述预测模型的超参数进行优化获得最优超参数的过程包括:S1、对网络的权重进行初始化;S2、对预测模型的训练均方根误差计算后验概率;S3、使用UCB采集函数进行参数更新,利用超参数搜索获得超参数;S4、使用超参数对预测模型进行训练,得到预测结果,计算并更新均方根误差;S5、重复上述S2至S4计算过程,直至所有的子序列全部计算完成,并记录此时的超参数作为最优超参数。
全文数据:
权利要求:
百度查询: 北京工商大学 一种食品供应链危害物预测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。