[发明专利]基于多时间尺度回声状态网络的多变量时间序列分类方法

权利要求书

1.一种基于多时间尺度回声状态网络的多变量时间序列分类方法，应用于基于骨骼节点的时间动作视频序列数据挖掘，其特征在于，所述的多变量时间序列分类方法包括下列步骤：

S1、采用M个具有不同时间跳跃连接长度的跳跃储备池作为UTD-MHAD数据集中的多变量时间序列的编码器，使得每个跳跃储备池能够学习输入时间序列中不同尺度的时间依赖关系，产生一种多时间尺度回声状态表示，其中，所述的步骤S1包括：

S1.1、给定一个D维的多变量输入时间序列：

U＝(u(1),…,u(t),…,u(T))^T

其中，T为时间序列的长度，令跳跃储备池初始状态为N为储备池单元个数，则第i个跳跃储备池在时刻t的回声状态x_i(t)的更新方程为：

其中，为第i个跳跃储备池的储备池单元和输入层单元间的连接权重,为第i个跳跃储备池的储备池单元与自己的循环连接权重，W_iⁱⁿ和W_i^res都是随机初始化且免训练的，f为跳跃储备池的激活函数，d_i为第i个跳跃储备池的跳跃长度，d_i按照指数增长的方式对每个跳跃储备池进行设置，公式如下：

d_i＝B^i-1,i＝1,…,M

其中，B1，具有不同跳跃长度的跳跃储备池用于学习输入时间序列中不同尺度的时间依赖关系；

S1.2、由于每个时刻都获得一个更新的回声状态，则通过顺序地收集第i个跳跃储备池每个时刻的回声状态，构造出输入时间序列U的一个跳跃回声状态表示X_i，定义如下：

其中，为回声状态更新操作，为第i个跳跃储备池中的第n个储备池单元在时刻t的激活值，不同的跳跃储备池所产生的跳跃回声状态表示编码输入时间序列不同时间尺度的动态信息，最后，把M个不同的跳跃回声状态表示构造成一个集合X，作为输入时间序列的一个多时间尺度回声状态表示，定义如下：

S2、采用M个卷积与池化层和一个全连接层作为所述的多时间尺度回声状态表示的解码器，其中，所述的卷积与池化层用于学习其中的高维复杂特征，所述的全连接层用于融合学到的不同时间尺度的特征以获取一个输入时间序列的多时间尺度特征；

S3、采用一个Softmax层作为分类器，根据所述的输入时间序列的多时间尺度特征产生其动作分类结果；

S4、采用负对数似然函数作为损失函数，使用后向传播算法和梯度优化方法ADAM训练本模型。