Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 维萨国际服务协会庄中方获国家专利权

维萨国际服务协会庄中方获国家专利权

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!

龙图腾网获悉维萨国际服务协会申请的专利使用卷积傅里叶网络分析多变量时间序列的系统、方法和计算机程序产品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:CN115885285B

龙图腾网通过国家知识产权局官网在2025-08-01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:202280004352.7,技术领域涉及:G06F30/27;该发明授权使用卷积傅里叶网络分析多变量时间序列的系统、方法和计算机程序产品是由庄中方;M·叶;张维;古梦婷;郑艳;L·王设计研发完成,并于2022-05-24向国家知识产权局提交的专利申请。

使用卷积傅里叶网络分析多变量时间序列的系统、方法和计算机程序产品在说明书摘要公布了:提供一种用于分析多变量时间序列的系统,所述系统包括至少一个处理器,所述至少一个处理器被编程或配置成接收历史数据点的时间序列,确定历史时间段,确定当代时间段,从所述历史时间段确定与历史交易度量相关联的数据点的第一时间序列,从所述历史时间段确定与历史目标交易度量相关联的数据点的第二时间序列,从所述当代时间段确定与当代交易度量相关联的数据点的第三时间序列,以及生成机器学习模型,其中所述机器学习模型被配置成提供包括与当代目标交易度量相关联的数据点的预测时间序列的输出。还提供了方法和计算机程序产品。

本发明授权使用卷积傅里叶网络分析多变量时间序列的系统、方法和计算机程序产品在权利要求书中公布了:1.一种系统,包括: 至少一个处理器,其被编程或配置成: 接收历史数据点的时间序列,其中所述历史数据点包括关于初始时间段期间的多个时间间隔的多个交易特征的值; 从历史时间段确定与历史交易度量相关联的数据点的第一时间序列和与历史目标交易度量相关联的数据点的第二时间序列,其中所述历史时间段包括所述初始时间段的第一时间段; 从当代时间段确定与当代交易度量相关联的数据点的第三时间序列,其中所述当代时间段包括所述初始时间段的在所述历史时间段之后的第二时间段,其中所述历史时间段比所述当代时间段更长;其中,所述当代交易度量能够被用作查询; 训练机器学习模型,其中所述机器学习模型被配置成提供包括与当代目标交易度量相关联的数据点的预测时间序列的输出,其中所述当代目标交易度量包括目标预测周期期间的目标交易度量的值,并且其中当训练所述机器学习模型时,所述至少一个处理器被编程或配置成: 生成所述机器学习模型的输出,其中所述机器学习模型的所述输出包括所述当代目标交易度量,并且其中所述当代目标交易度量包括目标预测周期期间的目标交易度量的值; 提供所述数据点的第一时间序列、所述数据点的第二时间序列,以及所述数据点的第三时间序列,作为对所述机器学习模型的处理层的输入,其中所述处理层包括快速傅里叶变换(FFT)层; 提供所述处理层的输出,作为对所述机器学习模型的特征提取组件的输入; 提供所述机器学习模型的所述特征提取组件的输出,作为对所述机器学习模型的双重注意力组件的输入;以及 提供所述机器学习模型的所述双重注意力组件的输出,作为对所述机器学习模型的学习和预测组件的输入; 其中当提供所述数据点的第一时间序列、所述数据点的第二时间序列,以及所述数据点的第三时间序列,作为对所述机器学习模型的所述处理层的输入时,所述至少一个处理器被编程或配置成: 提供与所述历史交易度量相关联的所述数据点的第一时间序列的第一多个特征中的每个特征作为对所述FFT层的输入,以生成所述第一多个特征中的每个特征的实部分和虚部分; 提供与所述历史目标交易度量相关联的所述数据点的第二时间序列的第二多个特征中的每个特征作为对所述FFT层的输入,以生成所述第二多个特征中的每个特征的实部分和虚部分;以及 提供与所述当代交易度量相关联的所述数据点的第三时间序列的第三多个特征中的每个特征作为对所述FFT层的输入,以生成所述第三多个特征中的每个特征的实部分和虚部分; 组合所述第一多个特征中的每个特征的所述实部分以生成所述第一多个特征的组合实部分; 组合所述第一多个特征中的每个特征的所述虚部分以生成所述第一多个特征的组合虚部分; 组合所述第二多个特征中的每个特征的所述实部分以生成所述第二多个特征的组合实部分; 组合所述第二多个特征中的每个特征的所述虚部分以生成所述第二多个特征的组合虚部分; 组合所述第三多个特征中的每个特征的所述实部分以生成所述第三多个特征的组合实部分;以及 组合所述第三多个特征中的每个特征的所述虚部分以生成所述第三多个特征的组合虚部分;并且 其中所述机器学习模型的所述处理层的所述输出包括所述第一多个特征的所述组合实部分、所述第一多个特征的所述组合虚部分、所述第二多个特征的所述组合实部分、所述第二多个特征的所述组合虚部分、所述第三多个特征的所述组合实部分,以及所述第三多个特征的所述组合虚部分。

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维萨国际服务协会,其通讯地址为:美国加利福尼亚州;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”。

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。