摘要
本发明公开了基于麻雀算法的CNN‑LSTM缺失数据估算方法,涉及计算机领域,该方法包括以下步骤:基于获取数据对原始缺失数据进行补全处理;将处理后的数据转换为三维数据格式,基于转换后的三维数据格式,并结合麻雀算法,构建卷积神经网络‑长短期记忆网络模型;基于麻雀算法,优化卷积神经网络‑长短期记忆网络模型的卷积神经网络卷积层卷积核个数、长短期记忆网络层神经元个数和学习率,确定最优超参数组合;基于卷积神经网络‑长短期记忆网络模型,通过对比麻雀算法优化前后的模型,输出最优估算补全结果。本发明通过从用户的饮食数据中提取时间和空间特征并分析,从而为用户提供个性化的健康饮食建议。
技术关键词
数据估算方法
长短期记忆网络
神经网络卷积层
构建卷积神经网络
优化卷积神经网络
超参数
算法
数据格式
滑动窗口
调味料
周期
离散特征
一维卷积神经网络
状态更新
矩阵
指标
动态
特征值
系统为您推荐了相关专利信息
云平台资源
深度强化学习
未来工作负载
副本
决策
电信号
滑动窗口
注意力机制
动态
深度神经网络模型
神经网络预测模型
字符
构建卷积神经网络
数据
信息获取效率
移动空调控制方法
室内三维模型
SLAM技术
路径规划算法
静态障碍物