龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：湖南科技大学
摘要：本发明公开了一种从全局到局部的鲁棒性多变量时间序列表征学习方法，将全局特征学习和局部特征学习看作两个连续的学习阶段，并融合去噪学习和掩码学习机制提高模型对噪声的容忍度；具体为：第一个学习阶段执行变量独立的全局特征学习，通过构建基于“GRU到GRU”自编码重构网络和设计全局多尺度噪声采样策略来学习全局特征，初步得到多变量时间序列的总体特征；第二个学习阶段执行变量关联的局部特征学习，通过设计多变量全局特征聚合策略来融合第一个阶段学习到的“全局特征”，并以此为基础构建基于GRU的双向预测网络和掩码学习机制来生成平滑且鲁棒的局部特征，为多变量时间序列的总体特征的补上“细节”，得到最终全面、精准且鲁棒的总体特征。
主权项：1.一种从全局到局部的鲁棒性多变量时间序列表征学习方法，其特征在于，根据“先画轮廓后补细节”将多变量特征学习视为连续的两个学习阶段，包括全局特征学习和局部特征学习，并融合了去噪学习和掩码学习两种噪声容忍的学习机制，所述全局特征学习阶段通过构建基于“GRU到GRU”自编码重构网络和设计全局多尺度噪声采样策略进行变量独立的特征学习；所述局部特征学习先设计多变量全局特征聚合策略融合全局特征学习阶段学习到的全局特征，再构建基于GRU的双向预测网络和掩码学习机制生成局部特征，得到多变量时间序列的总体特征。
全文数据：
权利要求：
百度查询： 湖南科技大学 一种从全局到局部的鲁棒性多变量时间序列表征学习方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号