基于大数据云平台的深度学习预测模型研究

• 作者: 邵雄凯 陈亮亮 高榕
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 大数据 云平台 深度学习 预测模型 数据仓库
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 42-47
• 页数: 6页
• 分类号: TP306
• 字数: 4567字
• 语种: 中文
• DOI: 10.11907/rjdk.191883

摘要

近年来,随着云计算、大数据等技术的迅猛发展,如何快速、有效地从纷繁复杂的数据中获取有价值的信息成为当前大数据应用的关键问题.为此,对基于大数据云平台的深度学习预测模型进行研究,以对未来序列数据走势进行有效预测.首先对几种基于深度学习的长短序列预测模型进行对比分析,分析其与传统预测模型的区别及优势,提出一种加入dropout的轻量级GRU预测模型.采用代表性天气数据作为实验对象,实验结果表明,该方法的实验预测指标MAE(平均绝对误差)的平均值相比传统预测方法有所提高,从而有效验证了轻量级GRU预测方法的正确性与有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵雄凯	湖北工业大学计算机学院	39	123	7.0	9.0
2	高榕	湖北工业大学计算机学院	3	0	0.0	0.0
3	陈亮亮	湖北工业大学计算机学院	1	0	0.0	0.0