[發明專利]使用神經網絡的時間序列數據依賴的動態發現

在審

• 申請號: 201980032034.X
• 申請日: 2019-05-16
• 公開（公告）號: CN112136143A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: S.Y.沙;X-H.鄧;P.澤爾福斯
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G06N3/04
• 分類號: G06N3/04
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 邸萬奎

1.一種用于使用神經網絡確定時間序列數據中的時間依賴性的系統，包括：

存儲器，其存儲計算機可執行組件；

處理器，其可操作地耦合到所述存儲器，且執行存儲在所述存儲器中的所述計算機可執行組件，其中所述計算機可執行組件包括：

計算組件，所述計算組件用于利用相應的時間序列數據來對至少兩個遞歸神經網絡(RNN)進行編碼，并且基于至少兩個時間上下文向量來確定至少兩個經解碼的RNN，以確定至少兩個時間序列數據中的時間依賴性；

組合組件，所述組合組件用于確定時間序列間依賴性上下文向量和RNN依賴性解碼器；以及

分析組件，所述分析組件用于基于RNN編碼器和所述RNN依賴解碼器以基于關注機制的神經網絡來確定一個或多個時間序列數據的預測值。

2.根據權利要求1所述的系統，其中，所述組合組件進一步能操作用于組合所述至少兩個經解碼的RNN，并且所述分析組件進一步能操作用于確定所述至少兩個時間序列數據中的時間序列間依賴性。

3.根據以上權利要求中任一項所述的系統，其中，這些計算機可執行部件進一步包括：

數據收集組件，其收集所述至少兩個時間序列數據，其中所述至少兩個時間序列數據包括多變量時間序列數據。

4.根據以上權利要求中任一項所述的系統，其中，所述計算組件還通過迭代地編碼該至少兩個RNN來確定聚合RNN。

5.根據以上權利要求中任一項所述的系統，其中，該計算組件還通過用該相應的時間序列數據對該至少兩個RNN進行迭代編碼來確定聚合RNN。

6.根據以上權利要求中任一項所述的系統，其中，對該至少兩個RNN進行編碼的該計算組件和組合該至少兩個經解碼的RNN的該組合組件是聯合地和并發地執行的。

7.根據以上權利要求中任一項所述的系統，其中，該RNN包括長-短期記憶神經網絡。

8.根據以上權利要求中任一項所述的系統，其中，該RNN包括作為該RNN的門控機制的門控遞歸單元。

9.根據以上述權利要求中任一項所述的系統，其中，所述系統進一步包括用于確定所述至少兩個時間上下文向量的所述基于關注機制的神經網絡。

10.一種用于使用神經網絡來確定時間序列數據中的時間依賴性的計算機實現的方法，所述方法包括：

由可操作地耦合到處理器的計算組件利用相應的時間序列數據來對至少兩個遞歸神經網絡(RNN)進行編碼，并且基于至少兩個時間上下文向量來確定至少兩個經解碼的RNN，以確定至少兩個時間序列數據中的時間依賴性；

由操作地耦合到所述處理器的組合組件確定時間序列間依賴性上下文向量和RNN依賴性解碼器；并且

由操作地耦合到所述處理器的分析組件基于RNN編碼器和所述RNN依賴解碼器以基于關注機制的神經網絡來確定一個或多個時間序列數據的預測值。

11.根據權利要求10所述的方法，進一步包括：

所述合并模塊對至少兩個解碼后的RNN進行合并；

由所述分析組件確定所述至少兩個時間序列數據中的時間序列間依賴性。

12.根據權利要求10或11所述的方法，進一步包括：

數據收集組件，所述數據收集組件由操作地耦合到所述處理器的數據收集組件來收集所述至少兩個時間序列數據，其中，所述至少兩個時間序列數據包括多變量時間序列數據。

13.根據權利要求10至12中任一項所述的方法，進一步包括：

由所述計算組件通過對所述至少兩個RNN進行迭代編碼來確定聚合RNN。