[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有效
| 申请号： | 201810440942.X | 申请日： | 2018-05-10 |
| 公开（公告）号： | CN108830295B | 公开（公告）日： | 2020-09-22 |
| 发明（设计）人： | 马千里;陈恩欢 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了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，步骤如下：对于一个多变量时间序列，采用M个具有不同时间跳跃连接长度的跳跃储备池作为编码器，产生一种多时间尺度回声状态表示；采用M个卷积与池化层和一个全连接层作为解码器，卷积与池化层用于学习多时间尺度回声状态表示中的高维复杂特征，全连接层用于融合学到的不同时间尺度的特征以获取输入时间序列的一个多时间尺度特征；采用一个Softmax层作为分类器，根据输入时间序列的多时间尺度特征产生其分类结果。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训练本模型。本发明的分类方法在多变量时间序列分类问题上达到了较高的准确率。 | ||
| 搜索关键词： | 基于 多时 尺度 回声 状态 网络 多变 时间 序列 分类 方法 | ||
【主权项】：
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，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；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。
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华南理工大学，未经华南理工大学许可，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/201810440942.X/，转载请声明来源钻瓜专利网。
