龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：特牧科技(青岛)有限公司
摘要：本发明提供了一种基于双向递归神经网络的饲料投放量预测及模型构建方法，属于智能化畜牧技术领域。本发明设计了深度自编码器神经网络分别去除动物年龄序列、体重序列、饮水量序列和采食量序列的噪声，获得适合神经网络训练的高质量数据。然后基于注意力编码网络的特征融合模块，能够有效捕捉动物年龄序列、体重序列、饮水量序列和采食量序列的特征，获得适合神经网络训练的低维特征向量。同时采用双向循环神经网络学习融合特征的正向依赖性和反向依赖性，提高对饲料投喂量的预测精度。最后采用粒子群算法获得双向循环神经网络的最优网络结构，能够提高双向循环神经网络的预测精度。
主权项：1.一种基于双向递归神经网络的饲料投放量预测模型构建方法，其特征在于，包括以下过程：S1，收集多个健康动物个体在一个确定时刻的年龄、体重、饮水量、采食量和理想饲料投放量；以动物个体的年龄、体重、饮水量和采食量作为样本数据，以该动物的理想饲料投放量作为样本标签，建立训练数据集Data＝{Data1,Data2,Data3,Data4,label}；其中Data1、Data2、Data3和Data4分别为动物年龄序列、动物体重序列、动物饮水量序列和动物采食量序列；label为理想饲料投放量序列；S2，构建深度自编码器神经网络去除S1所述Data数据集中的样本数据中的噪声，获得去噪声后的数据集： S3，设计基于注意力编码网络的特征融合模块对S2中Data*样本数据集的样本数据进行特征融合，融合后的特征向量记为Fe；S4，构建双向循环神经网络模型，用于预测动物个体的饲料投放量，所述双向循环神经网络模型有效学习S3所述Fe特征向量的正向依赖关系和反向依赖关系；S5，采用粒子群算法优化S4所述双向循环神经网络模型的网络结构，最终获得具备最优网络结构的饲料投放量预测模型。
全文数据：
权利要求：
百度查询： 特牧科技(青岛)有限公司 基于双向递归神经网络的饲料投放量预测及模型构建方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号