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：武汉大学
摘要：本发明公开了一种基于自适应图学习网络的多元时间序列预测方法及系统，通过分别建模多元时间序列的全局静态关系和局部动态关系，并引入基于通道注意力机制的图特征融合，实现了全局和局部空间图结构的特征融合，从而更全面地捕获时间序列之间的空间依赖关系。此外，通过将矩阵分解和图扩散卷积相结合，提出了处理图数据中噪声和缺失值的新方法，以及实现多元时间序列的空间特征提取，提高了多元时间序列预测的准确率。
主权项：1.一种基于自适应图学习网络的多元时间序列预测方法，其特征在于：所述自适应图学习网络，由若干并行设置的自适应图学习层组成；所述自适应图学习层，工作流程包括以下步骤：步骤1：对于给定的输入包含N个变量和H个时间步的多元时间序列数据为实数域；采用时序卷积提取多元时间序列数据X的时序特征；步骤2：使用基于矩阵分解的节点嵌入自适应地学习多元时间序列数据X变量之间的全局静态邻接矩阵A；步骤3：通过基于门控机制的信息融合和基于注意力机制的动态矩阵学习，综合考虑全局图空间结构和不同时间状态下的动态节点输入，学习多元时间序列数据X的局部动态邻接矩阵B；步骤4：对于步骤2中学习到的全局静态邻接矩阵A，使用图扩散卷积方法，提取静态全局特征；步骤5：对于步骤3中学习到的局部动态邻接矩阵B，使用图卷积方法，提取局部动态特征；步骤6：采用通道注意力机制，融合步骤1中得到的时序特征、步骤4中提取到的全局静态特征和步骤5中提取到的局部动态特征；步骤7：将多元时间序列数据X与步骤6的输出，通过残差连接后输出；并直接将每一个自适应图学习层的输出跳转至输出模块。
全文数据：
权利要求：
百度查询： 武汉大学 基于自适应图学习网络的多元时间序列预测方法及系统
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