【技术实现步骤摘要】
本申请涉及数据分析，尤其涉及一种掩码时间序列模型训练、预测方法、装置、设备及介质。
技术介绍
1、无监督的时间序列表示学习大体包括生成式即掩码学习和对比式即对比学习。
2、其中，对比学习的关键在于通过特定的代理任务(pretext task)来定义谁与谁相似。通过代理任务来定义对比学习的正负样本，并通过目标函数来计算两者的损失从而指导模型的学习方向。在时间序列对比学习中目前主要采取的策略包括对原始时间序列进行分解，提取周期、趋势等特征，并分别进行对比学习。
3、生成式自监督学习模型则为掩码学习。在时间序列领域，又称为掩码时间序列建模。其核心思想是将原始的采集值及其对应的采集时间构成的时间序列按照预设的时间尺度划分为若干个互不重叠的子序列(patch)，随机掩盖(mask)其中的部分patch，并将所有的patch作为令牌(token)输入到掩码时间序列模型中，然后通过掩码时间序列模型重构这些缺失的即被掩盖的patch，以学习时间序列的表征。掩码时间序列模型核心设计是非对称的编码器-解码器架构，其中编码器仅对没有被...
【技术保护点】
1.一种掩码时间序列模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对其中没有被掩盖的每个第一子序列进行编码之后，所述按照所述第二时间尺度将编码后的第一子序列合并为多个第二子序列之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述待训练的掩码时间序列模型按照预设的第一时间尺度将所述时序样本数据划分为多个不重叠的第一子序列包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述均值和所述标准差，对所述时序样本数据归一化包括：
5.根据权利要求1所述的方法，其特...
【技术特征摘要】
1.一种掩码时间序列模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对其中没有被掩盖的每个第一子序列进行编码之后，所述按照所述第二时间尺度将编码后的第一子序列合并为多个第二子序列之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述待训练的掩码时间序列模型按照预设的第一时间尺度将所述时序样本数据划分为多个不重叠的第一子序列包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述均值和所述标准差，对所述时序样本数据归一化包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述预测数据以及所述部分第一子序列，对所述待训练的掩...
【专利技术属性】
技术研发人员：赵书宝，
申请(专利权)人：新奥新智科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。