【技术实现步骤摘要】
本专利技术涉及分布式人工智能和移动众包技术交叉，尤其是涉及一种基于lstm的移动众包任务数据离线预测方法及系统。
技术介绍
1、随着移动计算技术的快速发展，移动众包平台已成为大规模数据收集和任务执行的有效手段。在这种平台中，实时和准确地预测任务的价格成为了提高效率和参与者满意度的关键。任务价格预测不仅影响参与者的积极性，还直接关系到任务分配的优化和资源的合理配置。
2、在众包系统中，任务价格往往受到多种因素的影响，其中时间因素尤为重要。任务的发布时间可以显著影响其价格，因为不同时间段内参与者的活跃度和任务的紧迫性都会发生变化。在工作日的高峰时段，工作者的在线时间和参与积极性较高，任务发布者可能会收到更多的竞标，从而竞争加剧，任务价格相对较低。相反，在非高峰时段，工作者的在线时间较少，任务的完成变得更加紧迫，为了吸引足够的工作者，任务发布者往往需要提高任务价格。这种基于时间变量的价格波动，反映了市场供需的动态变化，准确预测和调整任务发布价格对优化众包平台的运营具有重要意义。
3、长短期记忆网络（lstm）是一种高效...
【技术保护点】
1.一种基于LSTM的移动众包任务数据离线预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于LSTM的移动众包任务数据离线预测方法，其特征在于，所述对获取的历史任务数据进行清洗和预处理，包括去除异常值、填补缺失值，并对数据进行归一化处理，公式如下：
3.根据权利要求2所述的一种基于LSTM的移动众包任务数据离线预测方法，其特征在于，所述构建基于LSTM的神经网络模型，包括构建模型的遗忘门，当遗忘门的输出为0，表示几乎忘记之前的状态；如果为1，表示完全保留，表示为：
4.根据权利要求3所述的一种基于LSTM的移动众包任务数...
【技术特征摘要】
1.一种基于lstm的移动众包任务数据离线预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于lstm的移动众包任务数据离线预测方法，其特征在于，所述对获取的历史任务数据进行清洗和预处理，包括去除异常值、填补缺失值，并对数据进行归一化处理，公式如下：
3.根据权利要求2所述的一种基于lstm的移动众包任务数据离线预测方法，其特征在于，所述构建基于lstm的神经网络模型，包括构建模型的遗忘门，当遗忘门的输出为0，表示几乎忘记之前的状态；如果为1，表示完全保留，表示为：
4.根据权利要求3所述的一种基于lstm的移动众包任务数据离线预测方法，其特征在于，所述构建基于lstm的神经网络模型，还包括构建模型的输入门和新信息层，表示为：公式如下：
5.根据权利要求4所述的一种基于lstm的移动众包任务数据离线预测方法，其特征在于，所述构建基于lstm的神经网络模型，还包括构建模型的输出门，输出门的输出依赖于当前时刻的细胞状态，公式如下：
6.根据权利要求5所述的一...
【专利技术属性】
技术研发人员：王莹洁，牛青原，高洋，童向荣，张强，牟春晓，滕浩钧，
申请(专利权)人：烟台大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。