買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國軟件與技術服務股份有限公司申請的專利一種基于長短期記憶神經網絡的發票票種核定方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114529776B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202011312354.1，技術領域涉及：G06V10/774；該發明授權一種基于長短期記憶神經網絡的發票票種核定方法是由王彥;武錦;王飚;馬達;韓佶興;劉思含;李超;李雪設計研發完成，并于2020-11-20向國家知識產權局提交的專利申請。

本一種基于長短期記憶神經網絡的發票票種核定方法在說明書摘要公布了：本發明公開了一種基于長短期記憶神經網絡的發票票種核定方法，其步驟包括：1基于長短期記憶神經網絡LSTM建立票種核定預測模型并設定輸入指標、輸出指標；2對于每一設定納稅人U，根據設定輸入指標、輸出指標采集該納稅人U最近連續N個月的相應數據作為該納稅人U的時序樣本數據；3利用樣本數據對票種核定預測模型進行訓練，獲得模型性能最優時的最佳歷史數據長度；4根據最佳歷史數據長度對時序樣本數據進行截取訓練該票種核定預測模型；5獲取目標納稅人最佳歷史數據長度的輸入指標數據，并輸入到票種核定預測模型對該目標納稅人進行票種核定預測，得到該目標納稅人的擴版增量值、單份發票最高開票限額和每月最高購票數量。

本發明授權一種基于長短期記憶神經網絡的發票票種核定方法在權利要求書中公布了：1.一種基于長短期記憶神經網絡的發票票種核定方法，其步驟包括： 1基于長短期記憶神經網絡LSTM建立票種核定預測模型并設定輸入指標、輸出指標； 2對于每一設定納稅人U，根據設定輸入指標、輸出指標采集該納稅人U最近連續N個月的相應數據作為該納稅人U的時序樣本數據；該票種核定預測模型為雙層LSTM遞歸神經網絡模型，包括兩個LSTM隱藏層和一個以線性整流函數為激活函數的Dense輸出層；選用適應性矩估計算法作為訓練該票種核定預測模型的優化器，以均方差函數作為訓練該票種核定預測模型的損失函數； 3利用變分自編碼器神經網絡對時序樣本數據進行修復，得到平穩樣本數據；然后利用平穩樣本數據對票種核定預測模型進行訓練，獲得使得該票種核定預測模型性能最優時的最佳歷史數據長度；其中， 利用變分自編碼器神經網絡對時序樣本數據進行修復，得到平穩樣本數據的方法為： 31對于設定納稅人U的時序樣本數據，根據該時序樣本數據的移動平均變化圖和移動均方差變化圖，判定該時序樣本數據是否合理，如果不合理則對該設定納稅人U重新采樣；如果合理，則進行步驟32； 32對該時序樣本數據進行樣本平穩性分析，如果符合設定參數要求則將其視為平穩樣本數據；否則進行步驟33；設定參數要求包括：a時序樣本數據的均值函數在所有時間上恒為常數，b時序樣本數據存在二階矩，c對于所有時間t和時滯k，時序樣本數據的自協方差相同； 33利用變分自編碼器神經網絡對該時序樣本數據進行編碼得到序列Z，然后對序列Z進行解碼，得到重構樣本序列作為該時序樣本數據對應的平穩樣本數據； 其中所得序列與序列X的距離最小，X為該時序樣本數據； 得到所述最佳歷史數據長度的方法為：選取多個時序樣本數據；然后設置模型預測輸出數據長度f＝1，固定窗口移動步長s＝1，改變時序樣本數據的長度，采用坐標延遲法構造輸入輸出數據集；然后將輸入輸出數據集劃分為訓練集和測試集，利用訓練集訓練該票種核定預測模型，得到訓練集中每一樣本的估計值，統計計算不同長度時樣本估計值與對應真實值之間的平均誤差loss，選取平均誤差loss最小值對應的時序樣本數據長度作為所述最佳歷史數據長度； 4根據得到的最佳歷史數據長度對時序樣本數據進行截取訓練該票種核定預測模型； 5獲取目標納稅人所述最佳歷史數據長度的輸入指標數據，并輸入到步驟4訓練后的票種核定預測模型對該目標納稅人進行票種核定預測，得到該目標納稅人的擴版增量值、單份發票最高開票限額和每月最高購票數量。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國軟件與技術服務股份有限公司，其通訊地址為：100081 北京市海淀區學院南路55號（中軟大廈）；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。