申请/专利权人:上海模呈信息技术有限公司
申请日:2024-04-08
公开(公告)日:2024-06-18
公开(公告)号:CN118211075A
主分类号:G06F18/214
分类号:G06F18/214;G06F18/22;G06F18/241;G06N3/0455;G06N3/088;G06N3/084;G06N3/096;G06F123/02
优先权:
专利状态码:在审-公开
法律状态:2024.06.18#公开
摘要:一种用于时序数据的无监督领域适应方法,包括:对比学习模块;利用对比学习获取源目标样本的语义上下文表示,为此对输入时序数据进行数据增强生成查询视图和键视图,再分别输入编码器得到嵌入向量;重建一致性模块;采用序列重建和表示重构两个机制重建源目标样本;特征对齐模块;采用Sinkhorn距离公式,通过输入源目标特征对其进行匹配,实现源目标特征空间的稳定对齐;预测分析模块;使用预测损失联合训练编码器和分类器,实现分类预测。本发明克服了现有技术的不足,以解决现有方法直接匹配源目标特征分布可能会混淆不同类特征的问题。
主权项:1.一种用于时序数据的无监督领域适应方法,其特征在于:包括:步骤1:对比学习模块;利用对比学习获取源目标样本的语义上下文表示,为此对输入时序数据进行数据增强生成查询视图和键视图,再分别输入编码器得到嵌入向量;步骤2:重建一致性模块;采用序列重建和表示重构两个机制重建源目标样本;步骤3:特征对齐模块;采用Sinkhorn距离公式,通过输入源目标特征对其进行匹配,实现源目标特征空间的稳定对齐;步骤4:预测分析模块;使用预测损失联合训练编码器和分类器,实现分类预测。
全文数据:
权利要求:
百度查询: 上海模呈信息技术有限公司 一种用于时序数据的无监督领域适应方法
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。