CN119180424B 一种基于深度学习的汽车维修项目预测方法 （交通运输部公路科学研究所）_第1页
CN119180424B 一种基于深度学习的汽车维修项目预测方法 （交通运输部公路科学研究所）_第2页
CN119180424B 一种基于深度学习的汽车维修项目预测方法 （交通运输部公路科学研究所）_第3页
CN119180424B 一种基于深度学习的汽车维修项目预测方法 （交通运输部公路科学研究所）_第4页
CN119180424B 一种基于深度学习的汽车维修项目预测方法 （交通运输部公路科学研究所）_第5页
已阅读5页，还剩17页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于深度学习的汽车维修项目预测方法本发明涉及一种基于深度学习的汽车维修破了现有方法只能预测汽车部分维修项目的局2所述汽车维修数据为维修次数大于等于两次的车辆数据，所述汽车将所述数据集中将最后一次保养记录作为标签，剩余的保养记录则其中，L为误差结果，所述原始预测模型中，通过长短期记忆网络捕捉维修记录中的长期依型能够学习到历史的关键维保项目对未来维保项3[0002]随着全球汽车保有量的快速增长，汽车在人们的生活中扮演着越来越重要的角4[0017]将所述数据集中将最后一次保养记录作为标签，剩余的保养记录则作为输入特隐层输出和dropout技术开发了一个定制的分类器，同时激活函数增强了模型的非线性表56长短期记忆网络(LSTM)与注意机制相结合。用于车辆维护项目预测的建议的LSTM注意力R2，...TT获取关键时态信息_影响未来维护项目的选项。[0063]通过注意力机制来强调关键的历史信息的方法在于：首先利用长短时记忆网络机制通过这样的方式计算出每个时刻的注意力得分，并根据这些得分来加权求和，得到最终的输出结果。7[0068]$=sigmoid(wwydropout(y)+by)（6）18模型w_F1R@5R@10R@15R@20R@25R@30R@35MLP79.25±0.2079.43±0.38RNN79.75±0.12LSTM69.93±0.1679.77±0.2982.44±0.28GRU79.98±0.1182.14±0.24偶极82.28±0.40变压器69.72±0.3979.55±0.2179.96±0.41LSTM_Att79.13±0.19[0085]针对现有方法只能预测汽车部分维修项目的局限性，本实施例开发了一种基于9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论