摘要
本申请公开了一种交易量预测模型的训练方法及装置、交易量预测方法及装置、电子设备及计算机可读存储介质,该训练方法包括:获取原始交易量数据;对原始交易量数据进行特征提取和处理,得到处理后的交易量特征;将处理后的交易量特征输入交易量预测模型,得到交易量预测结果和对应的预测损失,交易量预测模型的隐藏层包括以深度循环网络的方式堆叠连接的多层LSTM层;根据预测损失不断更新交易量预测模型的参数,得到最优预测模型。本申请引入LSTM层替换部分全连接层,学习到更多时序信息,得到了更优的预测模型,且模型参数更少,减少了时间成本;在原始LSTM模型基础上进行拓展,构建多层LSTM层用于交易量时序序列预测,提高了模型的预测性能和泛化效果。
技术关键词
交易量预测方法
深度循环网络
注意力
训练装置
可读存储介质
电子设备
数据
LSTM模型
处理单元
计算机
参数
时序
中间层
处理器
程序
存储器
编码
算法
序列
系统为您推荐了相关专利信息
节点
密钥生成设备
联邦学习系统
同态加密算法
公钥
深度神经网络模型
深度神经网络结构
深度神经网络训练
内存管理技术
内存管理模块
异常检测系统
训练神经网络模型
遮盖标识
异常检测方法
数据
事件知识库
校对方法
文本
非暂态计算机可读存储介质
格式化
沟槽型器件
平整度偏差
栅极沟槽
支持向量机模型
屏蔽栅