申请/专利权人:广西环保产业投资集团有限公司;南宁师范大学
申请日:2024-03-18
公开(公告)日:2024-06-14
公开(公告)号:CN118195654A
主分类号:G06Q30/0201
分类号:G06Q30/0201;G06N3/0442;G06N3/088;G06F18/241
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.07.02#实质审查的生效;2024.06.14#公开
摘要:本发明提供一种土地价格预测持续学习方法及装置,涉及土地价格信息分析技术领域;基于FT‑Transformer深度学习模型构建初始地价预测模型,通过傅里叶变换层优化初始模型,得到地价预测模型,极大提升模型训练和执行效率,并将地价预测模型划分为三个模块,在划分的模块中引入了生成对抗网络让模型在处理当前任务时还处理了准前期任务,进而回忆起历史知识,缓解了恶性遗忘问题,以及引入了自监督学习模块,能够过滤掉无效和无用的特征及其“虚假”的关联性,提高了土地价格预测的准确性。
主权项:1.一种土地价格预测持续学习方法,其特征在于,包括如下步骤:基于FT-Transformer深度学习模型构建初始地价预测模型,并通过傅里叶变换层对所述初始地价预测模型进行优化,得到FT2-Net地价预测模型;将所述FT2-Net地价预测模型划分为三个模块,包括第一模块、第二模块和第三模块;将地价样本点输入所述第一模块中,得到第一模块输出结果vr,通过WGAN生成对抗网络对所述第一模块输出结果vr进行调制,得到新特征图vF,将所述新特征图vf和所述第一模块输出结果vr一并输入第二模块中;在所述第二模块中引入SLM自监督学习模块,通过所述SLM自监督学习模块对所述新特征图vF和所述第一模块输出结果vr进行挖掘训练,得到第二模块输出结果并输入所述第三模块中;通过所述第三模块输出土地价格预测结果。
全文数据:
权利要求:
百度查询: 广西环保产业投资集团有限公司;南宁师范大学 一种土地价格预测持续学习方法及装置
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。