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：南开大学

摘要：本发明涉及人工智能技术领域，特别公开一种基于加速度引导的多元时间序列扩散填补方法。通过提供加速度引导的掩码建模框架，并通过自监督掩码预测任务来学习引导表征，使引导表征提取器关注于时间序列中快速变化的信息，为填补缺失值提供有效的表征向量，提出了时间引导融合机制和空间引导融合机制，引导扩散概率模型填补与相邻时间戳变化值变化较为快速的缺失值。本发明结合自监督学习与扩散概率模型的表征能力提升时间序列缺失值填补的能力，通过扩散概率模型强大的数据生成能力有效针对了时间序列缺失值的多样性与可变性，在通过填补后的两个真实缺失的数据集上进行下游分析时，可以明显提升下游时间序列分析任务的性能。

主权项：1.一种基于加速度引导的多元时间序列扩散填补方法，其特征在于，该方法包括以下步骤：对存在缺失值的原始多元的时间序列数据进行正则化与数据分割，得到可供深度学习模型处理的时间序列；根据缺失值实际存在的位置构造与所述时间序列规模相同的二值掩码矩阵；在所述掩码矩阵的基础上，构造加速度掩码矩阵，使时间序列中，与相邻时间的值变化超过阈值的观测值，使所述观测值对应位置在中被置为0；根据所述加速度掩码矩阵对时间序列进行遮蔽操作，得到被遮蔽的时间序列；以自监督的方式对引导表征提取器进行预训练，还原所述时间序列被遮蔽的观测值，得到重建的时间序列；使所述引导表征提取器关注于时间序列中变化超过阈值的观测值和相邻值信息，记为用于填补所述缺失值提供的有效表征向量，得到预训练后的所述引导表征提取器；使去噪神经网络在建模时间依赖和空间依赖时自适应融合所述有效表征向量，构建所述去噪神经网络的时间引导融合模块和空间引导融合模块；从所述时间序列中的观测值中选择一部分组成填补目标,构建扩散概率模型的前向扩散过程，向添加次随机噪声，得到；其中，当添加噪声的次数足够大时，所述将趋近于随机噪声；结合去噪神经网络和所述填补目标构建反向扩散去噪过程，使其在所述引导表征提取器的引导下学习完整的所述时间序列的分布；将所述时间序列中中的缺失值设置为新的填补目标，用次随机噪声对其进行初始化为；根据所述反向扩散去噪过程将还原为，将还原后的作为时间序列中缺失值的填补结果。

全文数据：

权利要求：

百度查询： 南开大学 一种基于加速度引导的多元时间序列扩散填补方法