[发明专利]基于深度时空记忆网络的高维序列数据预测方法和系统在审
| 申请号： | 201711190694.X | 申请日： | 2017-11-24 |
| 公开（公告）号： | CN107958044A | 公开（公告）日： | 2018-04-24 |
| 发明（设计）人： | 龙明盛;王建民;高志烽;王韫博 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/04;G06N3/08 |
| 代理公司： | 北京路浩知识产权代理有限公司11002 | 代理人： | 王莹,吴欢燕 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度时空记忆网络的高维序列数据预测方法和系统，方法包括将高维序列数据输入训练好的预测循环神经网络模型，获取预测结果；其中，训练好的预测循环神经网络模型通过如下步骤获取根据第一输入门、第一遗忘门和第一输入调制门搭建任一时刻记忆；根据第二输入门、第二遗忘门和第二输入调制门搭建任一层记忆；搭建任一输出门；更新任一隐藏状态；基于任一时刻记忆、任一层记忆和更新的任一隐藏状态构建任一时空记忆单元；搭建预测循环神经网络模型，将张量序列数据输入预测循环神经网络模型进行训练，获得训练好的预测循环神经网络模型。本发明使得预测的结果能够涵盖时间维度和空间维度的趋势，预测结果更加精准。 | ||
| 搜索关键词： | 基于 深度 时空 记忆 网络 序列 数据 预测 方法 系统 | ||
【主权项】：
一种高维序列数据预测方法，其特征在于，包括：将高维序列数据输入训练好的预测循环神经网络模型，获取预测结果；其中，所述训练好的预测循环神经网络模型通过如下步骤获取：根据第一输入门、第一遗忘门和第一输入调制门搭建任一时刻记忆；根据第二输入门、第二遗忘门和第二输入调制门搭建任一层记忆；搭建任一输出门；根据所述任一时刻记忆、所述任一层记忆和所述任一输出门更新所述任一隐藏状态；基于所述任一时刻记忆、所述任一层记忆和更新的任一隐藏状态构建任一时空记忆单元，所述任一时空记忆单元为一个长短时间记忆网络；通过所有时空记忆单元搭建所述预测循环神经网络模型，其中，所述预测循环神经网络模型是以时刻和层为维度的二维模型，所述任一时空记忆单元处于所述任一层记忆对应的层以及所述任一时刻记忆对应的时刻；将由观测值组成的张量序列数据输入所述预测循环神经网络模型进行训练，获得所述训练好的预测循环神经网络模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711190694.X/，转载请声明来源钻瓜专利网。
