买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国软件与技术服务股份有限公司申请的专利一种基于长短期记忆神经网络的发票票种核定方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114529776B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202011312354.1，技术领域涉及：G06V10/774；该发明授权一种基于长短期记忆神经网络的发票票种核定方法是由王彦;武锦;王飚;马达;韩佶兴;刘思含;李超;李雪设计研发完成，并于2020-11-20向国家知识产权局提交的专利申请。

本一种基于长短期记忆神经网络的发票票种核定方法在说明书摘要公布了：本发明公开了一种基于长短期记忆神经网络的发票票种核定方法，其步骤包括：1基于长短期记忆神经网络LSTM建立票种核定预测模型并设定输入指标、输出指标；2对于每一设定纳税人U，根据设定输入指标、输出指标采集该纳税人U最近连续N个月的相应数据作为该纳税人U的时序样本数据；3利用样本数据对票种核定预测模型进行训练，获得模型性能最优时的最佳历史数据长度；4根据最佳历史数据长度对时序样本数据进行截取训练该票种核定预测模型；5获取目标纳税人最佳历史数据长度的输入指标数据，并输入到票种核定预测模型对该目标纳税人进行票种核定预测，得到该目标纳税人的扩版增量值、单份发票最高开票限额和每月最高购票数量。

本发明授权一种基于长短期记忆神经网络的发票票种核定方法在权利要求书中公布了：1.一种基于长短期记忆神经网络的发票票种核定方法，其步骤包括： 1基于长短期记忆神经网络LSTM建立票种核定预测模型并设定输入指标、输出指标； 2对于每一设定纳税人U，根据设定输入指标、输出指标采集该纳税人U最近连续N个月的相应数据作为该纳税人U的时序样本数据；该票种核定预测模型为双层LSTM递归神经网络模型，包括两个LSTM隐藏层和一个以线性整流函数为激活函数的Dense输出层；选用适应性矩估计算法作为训练该票种核定预测模型的优化器，以均方差函数作为训练该票种核定预测模型的损失函数； 3利用变分自编码器神经网络对时序样本数据进行修复，得到平稳样本数据；然后利用平稳样本数据对票种核定预测模型进行训练，获得使得该票种核定预测模型性能最优时的最佳历史数据长度；其中， 利用变分自编码器神经网络对时序样本数据进行修复，得到平稳样本数据的方法为： 31对于设定纳税人U的时序样本数据，根据该时序样本数据的移动平均变化图和移动均方差变化图，判定该时序样本数据是否合理，如果不合理则对该设定纳税人U重新采样；如果合理，则进行步骤32； 32对该时序样本数据进行样本平稳性分析，如果符合设定参数要求则将其视为平稳样本数据；否则进行步骤33；设定参数要求包括：a时序样本数据的均值函数在所有时间上恒为常数，b时序样本数据存在二阶矩，c对于所有时间t和时滞k，时序样本数据的自协方差相同； 33利用变分自编码器神经网络对该时序样本数据进行编码得到序列Z，然后对序列Z进行解码，得到重构样本序列作为该时序样本数据对应的平稳样本数据； 其中所得序列与序列X的距离最小，X为该时序样本数据； 得到所述最佳历史数据长度的方法为：选取多个时序样本数据；然后设置模型预测输出数据长度f＝1，固定窗口移动步长s＝1，改变时序样本数据的长度，采用坐标延迟法构造输入输出数据集；然后将输入输出数据集划分为训练集和测试集，利用训练集训练该票种核定预测模型，得到训练集中每一样本的估计值，统计计算不同长度时样本估计值与对应真实值之间的平均误差loss，选取平均误差loss最小值对应的时序样本数据长度作为所述最佳历史数据长度； 4根据得到的最佳历史数据长度对时序样本数据进行截取训练该票种核定预测模型； 5获取目标纳税人所述最佳历史数据长度的输入指标数据，并输入到步骤4训练后的票种核定预测模型对该目标纳税人进行票种核定预测，得到该目标纳税人的扩版增量值、单份发票最高开票限额和每月最高购票数量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国软件与技术服务股份有限公司，其通讯地址为：100081 北京市海淀区学院南路55号（中软大厦）；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。