基于改进的LSTM的药品温湿度预测方法

Journal of Electronic Measurement and Instrumentation（2019）

引用 0|浏览6

暂无评分

摘要

针对医药冷链系统中药品温湿度数据不易诊断的问题,提出一种改进的长短期记忆(LSTM)预测药品温湿度的方法.首先通过插值扩充算法扩充湿度数据集,接着提出一种内含多个LSTM细胞元的LSTM结构,代替传统的迭代预测,随后通过Adam优化算法调整网络参数和改变网络层数降低预测误差,实现对药品温湿度的提前预判.最后在药店冷藏柜中采集到的药品温湿度数据集上进行测试,均方误差(MSE)为0.036 9.与传统的BP神经网络预测方法和高斯过程混合模型预测方法对比,改进的LSTM药品温湿度预测方法预测更准确.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要