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：中国科学院沈阳自动化研究所
摘要：本发明公开了基于时空图神经网络的多通道时间序列预测方法。首先利用数据提取到的时间信息通过时间嵌入生成器和自适应图卷积生成一个潜在时间图，同时利用数据本身通过自适应图卷积和随机图注意力，并与潜在时间图结合生成的动态空间模型。再利用门控增广的神经常微分方程将生成的动态空间模型嵌入到时间维度，随后通过时间注意力完成对整个时间维度的建模。本方法解决了现有方法难以捕捉动态空间相关性的问题。提出的基于门控增广的神经常微分方程的连续时间建模方法，解决了现有方法因数据自身分辨率和维度限制导致的模型性能下降问题。通过本发明提高了模型提取动态空间信息和多尺度时间信息的能力，提高了多通道时间序列数据的预测精度。
主权项：1.基于时空图神经网络的多通道时间序列预测方法，其特征在于，包括如下步骤：S1、采集多通道时间序列数据；S2、对数据进行预处理和提取时间信息，并划分数据集；S3、空间建模：利用数据提取到的时间信息通过时间嵌入生成器和自适应图卷积生成一个潜在时间图模型；同时利用数据本身通过自适应图卷积和随机图注意力得到一个静态的空间模型；结合生成动态空间模型，所述动态空间模型的输出h为静态空间模型的输出与潜在时间图模型的输出进行叠加；S4、时间建模：利用门控增广的神经常微分方程将生成的动态空间模型嵌入到时间维度，使得每个时间的空间模型与时间模型一一对应；通过时间注意力完成对整个时间维度的建模，得到时间维度模型输出；S5、以数据集中的数据为输入，重复步骤3、4迭代训练动态空间模型和时间维度模型，选择精度最好的模型参数作为最终的优化模型，对历史数据预测每个通道未来时间序列数据。
全文数据：
权利要求：
百度查询： 中国科学院沈阳自动化研究所 基于时空图神经网络的多通道时间序列预测方法
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