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！

申请/专利权人：北京大学

摘要：本申请公开了一种模型的训练方法及时空数据的预测方法。其中，该模型的训练方法包括：确定第一层网格内通过不同的时间间隔表示的多类时空数据，并对多类时空数据进行时间转化和拼接处理，得到第一层网格对应的第一时空表示；自1至n‑1，依据第i时空表示，确定第i+1层网格对应的第i+1时空表示，以得到n‑1个时空表示；依据第i时空表示，确定第i层网格对应的损失函数，以得到n个损失函数，并利用n个损失函数对预设神经网络模型进行训练，得到目标神经网络模型。本申请解决了由于在相关的多尺度时空数据预测模型的训练过程中，未充分利用通过多尺度表示的层次关系，造成在模型训练过程中开销较大以及模型的预测精度较低的技术问题。

主权项：1.一种模型的训练方法，其特征在于，包括：确定第一层网格内通过不同的时间间隔表示的多类时空数据，并对所述多类时空数据进行时间转化和拼接处理，得到所述第一层网格对应的第一时空表示，其中，所述第一层网格属于层次结构，所述层次结构中包括：n层网格，所述n层网格为按照不同的分割粒度分别对目标区域进行分割所得到的，所述第一层网格为所述n层网格中分割粒度最小的网格，第i层网格对应第i时空表示，n为大于1的正整数，i为不大于n的正整数，其中，所述第一层网格包括：h×w个原子栅格，其中，h和w均为大于1的正整数，所述第i时空表示用于表示第i层网格中，目标栅格中的每个栅格对应的时空数据，其中，所述目标栅格为所述第i层网格中任意一个k×k的栅格，且所述目标栅格在所述第i层网格中的移动步幅为k，k为不大于h和w的正整数；自1至n-1，依据第i时空表示，确定第i+1层网格对应的第i+1时空表示，以得到n-1个时空表示；依据所述第i时空表示，确定所述第i层网格对应的损失函数，以得到n个损失函数，并利用所述n个损失函数对预设神经网络模型进行训练，得到目标神经网络模型，其中，所述目标神经网络模型用于预测所述目标区域在未来时刻的时空数据；依据所述第i时空表示，确定所述第i层网格对应的损失函数之前，方法还包括：对所述第i时空表示进行处理，得到处理后的n个时空表示，包括：对第i+1个时空表示进行最近邻上采样处理，得到第i+1第一特征图；将所述第i时空表示进行卷积处理，得到第i第二特征图；将所述第i+1第一特征图以及所述第i第二特征图进行合并处理，得到处理后的第i时空表示；依据所述处理后的第i时空表示，确定处理后的n个时空表示。

全文数据：

权利要求：

百度查询： 北京大学 模型的训练方法及时空数据的预测方法