【技术实现步骤摘要】
本专利技术属于时间序列预测和人工智能，具体涉及利用时间信息优化可学习位置编码和优化时间位置编码的人体健康监测不规则多变量时间序列预测方法。
技术介绍
1、多变量时间序列预测技术在医疗保健、健康监测及日常生活活动识别等领域展现出其核心价值与面临的挑战。尤其在处理不规则时间序列数据时，诸如脓毒症早期预测、重症监护病房(icu)死亡率和住院时间预测、以及身体活动监测等关键应用场景，不仅要求算法具备高效处理时间序列数据不规则性、缺失值及类别不平衡的能力，还促使不断探索先进的模型架构与数据处理策略以提升预测精度与鲁棒性。
2、cn202311293557.4涉及一种基于iot技术的健康管理系统。其包括个人响应数据库、异常原因分析模块以及健康干预模块。通过个人响应数据库结合用户过往病历数据，确定用户当前健康水平，并制定对应的健康响应阈值，根据用户的健康水平进行适配的健康响应阈值制定，为每个用户制定合理的应急响应方案，提高整个系统的适配效果，通过异常原因分析模块获取所述个人响应数据库反馈的响应数据，并结合健康监测数据，预测引起用户健康监测...
【技术保护点】
1.一种优化时间位置编码的人体健康监测数据时序预测方法，其特征在于，该方法的具体步骤如下：
2.根据权利要求1所述的一种优化时间位置编码的人体健康监测数据时序预测方法，其特征在于，在Transformer架构模型中，人体健康监测时序数据的位置编码表示为PE为序列中每个位置分配唯一值以捕获位置信息；初始化的时间位置编码为PEinit：
3.根据权利要求1所述的一种优化时间位置编码的人体健康监测数据时序预测方法，其特征在于，多视图时间序列编码过程如下：
4.根据权利要求1所述的一种优化时间位置编码的人体健康监测数据时序预测方法，其特征在...
【技术特征摘要】
1.一种优化时间位置编码的人体健康监测数据时序预测方法，其特征在于，该方法的具体步骤如下：
2.根据权利要求1所述的一种优化时间位置编码的人体健康监测数据时序预测方法，其特征在于，在transformer架构模型中，人体健康监测时序数据的位置编码表示为pe为序列中每个位置分配唯一值以捕获位置信息；初始化的时间位置编码为peinit：
3.根据权利要求1所述的一种优化时间位置编码的人体健康监测数据时序预测方法，其特征在于，多视图时间序列编码过程如下：
4.根据权利要求1所述的一种优化时间位置编码的人体健康监测数据时序预测方法，其特征在于，人体健康监测不规则...
【专利技术属性】
技术研发人员：闫健卓，冀金泉，曹宇，于涌川，许红霞，
申请(专利权)人：北京工业大学，
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。