摘要
本发明申请实施例提供了一种离散商品销量预测方法,包括以下步骤:数据采集步骤、数据清洗步骤、归一化处理步骤、升维步骤、向量化步骤、卷积步骤、池化步骤、注意力加权步骤、傅里叶变换步骤、映射层步骤、动态权重调整层步骤及预测输出层;通过特征工程对数据进行加载、清洗、转换和编码等操作,将文本数据转化为向量化数据并利用GPU并行向量处理技术,加速训练和推理过程;通过卷积和池化提取数据特征,利用傅里叶变换、映射层、动态权重调整层、预测输出层能够更精准地学习到离散商品流通周期内关键因子的影响权重,提升预测准确率。
技术关键词
商品销量预测方法
池化特征
执行傅里叶变换
商品销售数据
超参数
序列
因子
线性分类器
注意力
动态
信号
卷积算法
清洗规则
元素
特征值
特征工程
样本
索引
系统为您推荐了相关专利信息
双向长短期记忆
注意力机制
深度神经网络
决策方法
密度
多参量预警方法
SVM算法
指标
煤岩动力灾害
震源
轨迹
半监督聚类方法
机场跑道数量
降噪模型
编码器
超分辨成像方法
表达式
雷达
噪声功率
脉冲压缩技术