公共文化服务平台

搜索到484篇“ 多粒度时间“的相关文章

融合时频特征的多粒度时间序列对比学习方法: 2025年; 现有的时间序列对比学习方法存在增强样本构造方式过于依赖人工经验、泛化能力不足、正样本的定义方式不够通用、对比度量方式存在粗粒度表征等问题,使得整体的时序表示效果较差。为此,提出了一种融合时频特征的多粒度时间序列对比学习方法(Temporal-Spectral Deep Contrastive Network, TSDC)。该方法通过季节-趋势生成网络在时域内产生具有稳定变化的时序增强样本,通过多频带融合扰动操作在频域内产生非稳定变化的时序增强样本,两种增强样本通过实例级别的粗粒度对比以及维度级别的细粒度对比方式进行对比学习,使得模型在获得较好表征的同时能够较好地适应于下游不同类型的时序任务。在多个时间序列公开数据集上进行的分类、预测以及异常检测实验表明,由TSDC方法所得的表征用于下游任务的结果优于典型基线模型。; 叶力硕何志学; 关键词：时间序列

一种基于多粒度时间卷积网络的超短期风功率预测方法: 本发明公开了一种基于多粒度时间卷积网络的超短期风功率预测方法，属于风功率预测领域，包括以下步骤：利用监督控制和数据采集(SCADA)系统采集风场的监测数据，得到机组的功率数据，并进行数据预处理，将原始数据划分为3个粒度层...; 宋立楠徐成根武鑫刘井泉王明举汪浩史梁王洪彬王朝朱宁

基于多粒度时间卷积网络的超短期风功率预测被引量：4: 2024年; 针对传统风功率预测方法通常基于固定时间粒进行研究,但该类方法往往忽略了其他时间粒度对风功率的影响的问题,提出一种基于多粒度时间卷积网络(MGTCN)的超短期风功率预测方法,使用时间卷积网络来挖掘多粒度视角下的风力机数据特征,并设计多粒度特征融合模块来增强模型的鲁棒性,提高风功率预测精度。首先,利用随机森林算法(RF)得到与输出功率相关性较强的部分特征数据;然后,对筛选后的特征数据进行多粒度划分,通过时间卷积网络(TCN)提取各个粒度的独立特征。最后,使用挤压激励网络(SENet)对不同粒度特征进行自适应加权融合,得到最终预测值。采用中国某风场数据进行算例分析,结果表明相较于其他方法,所提方法在24步预测任务和6步预测任务上取得了最佳的预测性能,具有较高的准确性和稳定性。在24步预测任务上归一化均方根误差、归一化平均绝对值误差和决定系数指标分别为0.152、0.108和0.7214,在6步预测任务上各指标分别为0.1027,0.0683和0.8717。; 江国乾徐向东白佳荣何群谢平单伟

基于多粒度时间融合的时序知识图谱问答方法: 本发明公开了一种基于多粒度时间融合的时序知识图谱问答方法，该方法包括：获取目标问题；利用所述时序知识图谱中各知识实体的语义表示，查找与所述目标问题中的目标实体相关的知识实体，作为关联实体；通过语法规则，获取目标问题中的时...; 杨杨王鑫炎郭伟立

一种基于多粒度时间窗的桥梁异常点识别方法和装置: 本发明公开了一种基于多粒度时间窗的桥梁异常点识别方法和装置，其中，该方法包括：利用实时监测系统检测获取桥梁的多个样本数据；构建滑动时间窗的样本初始特征向量表示，融合样本初始特征向量表示以构建样本初始特征矩阵表示；拟合滑动...; 谢海龙郑建兴刘一鸣巩跃龙韩之江郝晨先罗鹏李洁陈伟梁立江郝仰玥

一种面向语义的多粒度时间数据建模方法被引量：4: 2020年; 【目的/意义】提出一种多粒度时间数据建模方法,用以支持面向自然语言语义、以事件为核心的时间信息的管理,为后续研究奠定基础。【方法/过程】对时间粒度、粒度空间、时刻域、时间定位等概念进行定义,以此为基础设计时间数据模型。【结果/结论】提出了图结构多粒度时间数据模型TGM(Time-Granular-Model),进一步提出了TGM上的计算表示方法,以及基于TGM的语义时间描述方法。与传统时间数据模型相比,TGM可以较好地表示自然语言时间信息的语义特征,并处理各类时刻与时间颗粒的对应以及它们的时序关系。; 李旭晖曾逸权刘洋; 关键词：多粒度时间

基于多粒度时间注意力RNN的航班客座率预测被引量：8: 2020年; 准确预测航班客座率有利于处理航班机票超售、座位虚耗等问题,然而传统时间序列预测方法只关注航班近期每日客座率的变化特点,无法同时考虑其他因素的影响,预测效果不够理想。针对该问题,提出一种基于多粒度时间注意力机制的循环神经网络模型MTA-RNN。通过构建多级注意力机制获取航班客座率在不同时间粒度下的时序相关性,同时考虑航班自身属性及节假日等其他因素,得到未来一段时间内的目标航班客座率。在真实历史航班客座率数据集上的实验结果表明,MTA-RNN模型的预测准确率高于ARIMA模型、LSTM模型和Seq2seq模型。; 邓玉婧武志昊林友芳; 关键词：时间序列预测循环神经网络

基于多粒度时间注意力机制确定航班客座率的方法和系统: 本发明提供一种基于多粒度时间注意力机制确定航班客座率的方法和系统。所述方法和系统基于采集历史的航班客座率数据，通过对建立的预测航班客座率模型进行训练并验证生成最优模型，再基于所述最优模型，根据所述航线历史航班客座率数据预...; 邓玉婧梁丽吴伟刚孙艺张学军宋颖陈晓敏; 文献传递

基于意义图的多粒度时间数据建模方法研究: 时间概念广泛存在于自然语言、文本、事件以及日常生活中，在表述时间的过程中，基于不同的时间粒度会产生不同的时间语义信息。随着数据的海量增长，各领域中包含着大量的数据，同时也蕴含着丰富的时间语义信息。如何组织和管理这些时间信...; 刘洋; 关键词：时间粒度

基于多粒度时间注意力机制的航班客座率预测方法: 本发明提供了一种基于多粒度时间注意力机制的航班客座率预测方法。该方法包括：构建基于多粒度时间注意力机制的循环神经网络模型，将航线上所有起飞时刻的航班历史客座率时间序列作为所述编码器的输入序列，编码器对输入序列进行编码处理...; 武志昊林友芳韩升万怀宇王晶董兴业张硕; 文献传递

相关作者