[发明专利]对抗式时空大数据预测方法在审
| 申请号： | 201711342473.X | 申请日： | 2017-12-14 |
| 公开（公告）号： | CN108009632A | 公开（公告）日： | 2018-05-08 |
| 发明（设计）人： | 龙明盛;王建民;王韫博;黄向东 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06N3/04 | 分类号： | 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： | 本发明提供一种对抗式时空大数据预测方法，包括：将时空序列输入训练好的对抗式卷积递归神经网络模型，获取预测结果；所述对抗式卷积递归神经网络模型由预测器和判别器构成，所述判别器为卷积神经网络；所述预测器用于根据输入所述预测器的时空序列输出预测时空序列，所述预测器用于根据输入所述判别器的时空序列输出真实性概率向量；所述模型应用所述真实性概率向量构建的损失函数进行训练。本发明提供的方法，基于对抗式卷积递归神经网络模型，应用判别器输出的真实性概率向量构建损失函数，更好的保留了预测值和真实值在结构层面和语义层面的差距，使得时空数据的预测纹理更加清晰、结构更加完整、语义更加准确。 | ||
| 搜索关键词： | 对抗 时空 数据 预测 方法 | ||
【主权项】：
1.一种时空数据预测方法，其特征在于，包括：将时空序列输入训练好的对抗式卷积递归神经网络模型，获取预测结果；所述对抗式卷积递归神经网络模型由预测器和判别器构成，所述判别器为卷积神经网络；所述预测器用于根据输入所述预测器的时空序列输出预测时空序列，所述预测器用于根据输入所述判别器的时空序列输出真实性概率向量；所述模型应用所述真实性概率向量构建的损失函数进行训练。
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/201711342473.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种深度救援用带倒钩结构的机械升降梯
- 下一篇：远程灭火弹及其发射装置
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
