-
公开(公告)号：CN117786611A
公开(公告)日：2024-03-29
申请号：CN202311799809.0
申请日：2023-12-25
申请人： 上海人工智能研究院有限公司
IPC分类号： G06F18/27 , G06F18/214 , G06N3/0464 , G06N3/044 , G06N3/045 , G06F18/25
摘要： 本发明提供一种基于深度学习的多维时序预测系统及方法，一种基于深度学习的多维时序预测系统包括数据获取模块、多头跳跃循环网络模型训练模块以及预测验证模块，数据获取模块用于获取多维时序数据，多头跳跃循环网络模型训练模块包括一维卷积层、多头跳跃循环模块、多头跳跃卷积模块和融合特征模块，预测验证模块，利用自回归层将原始时间序列数据作为输入，并将密集层与自回归层的输出进行融合，保留多维时序数据的共同特征数据，将共同特征数据作为预测目标时段内的预测结果进行输出，本发明相比传统的自回归预测方法，中长期预测效果更加准确，相比于其他基于卷积神经网络和循环神经网络组合的轻型时序预测模型，在周期性数据上预测性能更强。
-
公开(公告)号：CN117455256A
公开(公告)日：2024-01-26
申请号：CN202311403514.7
申请日：2023-10-26
申请人： 上海人工智能研究院有限公司
IPC分类号： G06Q10/0637 , G06Q50/06 , G06N3/0442 , G06N3/08 , H02J3/00
摘要： 本发明公开了一种基于深度学习的电力负荷预测的方法及系统，包括数据描述单元、数据预处理单元、模型构件单元、模型训练单元、电力负荷预测单元和模型评估单元，数据预处理单元用于将历史负荷数据和其他相关因素进行归一化处理，模型构件单元用于将归一化后的数据输入到深度学习模型中进行训练，模型训练单元通过将历史负荷数据输入到深度学习模型中，电力负荷预测单元使用经过训练的深度学习模型来对未来的电力负荷进行预测，模型评估单元用于对模型的预测结果进行评估，模型构建单元包括构建改进型TFT模型。本发明通过提出了一种改进型TFT模型，通过将TFT的LSTM嵌入层替换为多头自注意力层，使模型更好地把握全局特征，优化TFT的预测速度与准确率。
-
公开(公告)号：CN117766153A
公开(公告)日：2024-03-26
申请号：CN202311799075.6
申请日：2023-12-25
申请人： 上海人工智能研究院有限公司
摘要： 本发明公开了一种基于大数据的医嘱智能分析方法及系统，涉及医疗数据处理技术领域，包括：收集海量在线医嘱数据；将子模式识别网络合并为总模式识别网络；统计所有总模式识别网络中各子模式识别网络中出现的通用特征词，并计算病情诊断的通用特征词出现的出现概率，并建立第一映射配对机制；计算在病情诊断条件下，药物使用方案通用特征词出现的出现概率，并建立第二映射配对机制；根据第一映射配对机制得出病情诊断，并根据第二映射配对机制得出药物使用方案；每隔一个星期，得出新的病情诊断和治疗方案。通过建立第一映射配对机制、建立第二映射配对机制以及对医嘱数据进行复核，能有效确保医嘱数据的准确性，并能提升诊断结果的匹配性。
-
公开(公告)号：CN117349762A
公开(公告)日：2024-01-05
申请号：CN202311387319.X
申请日：2023-10-25
申请人： 上海人工智能研究院有限公司
IPC分类号： G06F18/243 , G06F18/214 , G06F18/25
摘要： 本发明公开了一种自适应非重叠滑动窗口模型时间序列预测方法，首先模型从中读取先前的时间序列数据，并通过非重叠的固定大小滑动窗口将数据进行划分；然后使用LR、SVM、GPR、XGBoost和LightGBM方法，根据预测误差获得每个窗口的最佳预测方法；系统通过组合从每个滑动窗口获得的特征集来生成特征矩阵，将特征矩阵和每个滑动窗口的最佳预测方法组合，训练随机森林分类器；对于当前时间间隔t，系统获取前k个时间间隔的数据的特征矩阵，并使用训练好的随机森林来预测该特征矩阵的最佳方法。本发明提出的特征工程方法能够大大减少数据预处理时间，更为高效。
-
-
-
搜索结果
4 条记录 (耗时 0.026 秒)
