【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种废料评估神经网络模型训练方法以及废料评估系统。
技术介绍
1、在加工生产中，不可避免会产生各种废料，如金属废料、粉煤灰、冶炼废渣和炉渣等。买卖双方通过废料交易平台可以全面、高效地交易废料，实现废料再利用。废料交易平台中，卖方录入废料信息后，需要给卖方及时反馈包含售价、可能买方数量的预测信息。若通过人工统计、分析海量数据得到预测信息耗时长且困难。
2、目前，已有基于gru神经网络的深度学习模型替代人工获得废料预测信息，将废料信息和历史交易数据作为gru神经网络的训练样本，训练后的gru神经网络能快速输出较好的预测结果。由于废料交易平台每日不断达成新的废料交易，历史交易数据在不断更新，需要及时训练更新gru神经网络，以保证预测信息的有效性，这样对gru神经网络的训练时长提出了尽量短的要求。但是，在现有的废料gru神经网络的迭代训练过程中，判别器利用均方损失函数计算样本的错误率，而均方损失函数可能出现误差越大，梯度下降越慢，收敛得越慢的情况，导致训练时间较长。另外，在现有的废料gru神经网络的迭...
【技术保护点】
1.一种废料评估神经网络模型训练方法，其特征在于，包括：
2.如权利要求1所述的一种废料评估神经网络模型训练方法，其特征在于，利用对数均值损失函数计算样本错误率的计算公式为：
3.如权利要求2所述的一种废料评估神经网络模型训练方法，其特征在于，所述选择最大的错误率的样本通过梯度下降算法调整GRU生成网络的权重矩阵参数，包括：
4.如权利要求3所述的一种废料评估神经网络模型训练方法，其特征在于，输出门的激活函数为：
5.一种废料评估神经网络模型训练装置，用于实现权利要求1-4之一所述的一种废料评估神经网络模型训练方法，其特
【技术特征摘要】
1.一种废料评估神经网络模型训练方法，其特征在于，包括：
2.如权利要求1所述的一种废料评估神经网络模型训练方法，其特征在于，利用对数均值损失函数计算样本错误率的计算公式为：
3.如权利要求2所述的一种废料评估神经网络模型训练方法，其特征在于，所述选择最大的错误率的样本通过梯度下降算法调整gru生成网络的权重矩阵参数，包括：
4.如权利要求3所述的一种废料评估神经网络模型训练方法，其特征在于，输出门的激活函数为：
5.一种废料评估神经网络模型训练装置，用于实现权利要求1-4之一所述的一种废料评估神经网络模型...
【专利技术属性】
技术研发人员：余卓阳，董仕可，颜海龙，李帅，唐鹏宇，杜灵，严铭睿，
申请(专利权)人：重庆慧聚信息科技有限责任公司，
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。