-
公开(公告)号:CN119205281A
公开(公告)日:2024-12-27
申请号:CN202411718037.8
申请日:2024-11-28
Applicant: 济南大学
IPC: G06Q30/0601 , G06Q40/00 , G06N3/0464 , G06N3/045 , G06N3/049 , G06N3/08
Abstract: 本发明涉及时间序列预测技术领域,提供了一种基于半高斯采样的金融产品推荐方法、系统、设备及介质。基于半高斯采样的金融产品推荐方法包括,获取多种金融产品的历史属性数据和历史热度数据,并进行预处理,构建样本集,将样本集划分为训练集和测试集,将训练集中的样本序号映射到半高斯分布的x轴区间[μ‑3σ,μ]内,计算每个样本的权重,并将权重转化为概率值;多项式分布利用所述概率值进行有放回的抽取若干个样本;基于抽取的若干个样本和每个样本对应的真实值,对动态时间卷积网络进行训练,得到训练好的动态时间卷积网络,用于预测所有金融产品的排名,并加排名靠前的若干金融产品推荐给用户。本发明能够生成更加精准的推荐结果。
-
公开(公告)号:CN119205281B
公开(公告)日:2025-04-04
申请号:CN202411718037.8
申请日:2024-11-28
Applicant: 济南大学
IPC: G06Q30/0601 , G06Q40/00 , G06N3/0464 , G06N3/045 , G06N3/049 , G06N3/08
Abstract: 本发明涉及时间序列预测技术领域,提供了一种基于半高斯采样的金融产品推荐方法、系统、设备及介质。基于半高斯采样的金融产品推荐方法包括,获取多种金融产品的历史属性数据和历史热度数据,并进行预处理,构建样本集,将样本集划分为训练集和测试集,将训练集中的样本序号映射到半高斯分布的x轴区间[μ‑3σ,μ]内,计算每个样本的权重,并将权重转化为概率值;多项式分布利用所述概率值进行有放回的抽取若干个样本;基于抽取的若干个样本和每个样本对应的真实值,对动态时间卷积网络进行训练,得到训练好的动态时间卷积网络,用于预测所有金融产品的排名,并加排名靠前的若干金融产品推荐给用户。本发明能够生成更加精准的推荐结果。
-
公开(公告)号:CN119274724A
公开(公告)日:2025-01-07
申请号:CN202411823163.X
申请日:2024-12-12
IPC: G16C60/00 , G06F30/27 , G06N3/0464 , G06N3/045 , G06N3/044 , G06N3/0985 , G06V20/69 , G06V10/44 , G06V10/52 , G06V10/82 , G06F111/04 , G06F111/10
Abstract: 本发明公开了一种基于神经网络与多尺度特征约束的水泥微结构设计方法,包括获取水泥微结构二维图像,建立水泥微结构数据集;根据预定约束尺度数目,得到随机步数的超参数组,根据约束规则和超参数组训练神经网络模型,得到微结构特征重构算子;根据约束规则建立重构算法,对神经网络模型进行测试,选择符合预设模型的神经网络模型并保存;使用重构算法和微结构特征重构算子,经过预定约束尺度数目重构后得到水泥微结构。本发明使用重构算法和微结构特征重构算子,重构水泥微结构,并支持水泥微结构中物相分布的灵活定制,打破了水泥水化模型初状态合成中神经网络方法的技术壁垒,显著节省水泥制造行业的时间与人力成本、降低碳排放。
-
公开(公告)号:CN119274724B
公开(公告)日:2025-03-04
申请号:CN202411823163.X
申请日:2024-12-12
IPC: G16C60/00 , G06F30/27 , G06N3/0464 , G06N3/045 , G06N3/044 , G06N3/0985 , G06V20/69 , G06V10/44 , G06V10/52 , G06V10/82 , G06F111/04 , G06F111/10
Abstract: 本发明公开了一种基于神经网络与多尺度特征约束的水泥微结构设计方法,包括获取水泥微结构二维图像,建立水泥微结构数据集;根据预定约束尺度数目,得到随机步数的超参数组,根据约束规则和超参数组训练神经网络模型,得到微结构特征重构算子;根据约束规则建立重构算法,对神经网络模型进行测试,选择符合预设模型的神经网络模型并保存;使用重构算法和微结构特征重构算子,经过预定约束尺度数目重构后得到水泥微结构。本发明使用重构算法和微结构特征重构算子,重构水泥微结构,并支持水泥微结构中物相分布的灵活定制,打破了水泥水化模型初状态合成中神经网络方法的技术壁垒,显著节省水泥制造行业的时间与人力成本、降低碳排放。
-
-
-