买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院计算技术研究所申请的专利一种面向非完整多元时间序列预测的学习方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119129768B 。

龙图腾网通过国家知识产权局官网在2026-02-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410834572.3，技术领域涉及：G06N20/00；该发明授权一种面向非完整多元时间序列预测的学习方法是由徐勇军;余澄庆;王飞;吴琳;邵泽志;付屹松设计研发完成，并于2024-06-26向国家知识产权局提交的专利申请。

本一种面向非完整多元时间序列预测的学习方法在说明书摘要公布了：本发明实施例提供了一种训练学生模型的方法，包括：获取第一训练集，其包括多个未经缺失处理的原始样本和对应的标签；获取利用原始样本和标签训练得到教师模型，其包括用于从原始样本提取教师表征的特征提取器和用于根据教师表征得到教师预测结果的回归层；利用多种缺失率对每个原始样本进行处理，得到对应的缺失样本，所有缺失样本和对应的标签组成第二训练集；获取学生模型，其包括用于从缺失样本提取学生表征的特征提取器和用于根据学生表征得到学生预测结果的回归层；利用第二训练集、教师表征和教师预测结果对学生模型进行训练，训练时，基于表征损失、预测结果损失、对比损失和绝对误差损失加权的总损失更新学生模型的参数。

本发明授权一种面向非完整多元时间序列预测的学习方法在权利要求书中公布了：1.一种训练学生模型的方法，其特征在于，所述方法包括： 获取第一训练集，其包括多个未经缺失处理的原始样本和每个原始样本对应的标签，所述原始样本为历史观测值，所述标签为对应历史观测值之后观测到的真实值； 获取利用原始样本和标签训练得到教师模型，其包括用于从原始样本提取教师表征的特征提取器以及用于根据教师表征得到教师预测结果的回归层； 利用多种缺失率对第一训练集中的每个原始样本进行缺失处理，得到对应的缺失样本，所有缺失样本以及对应的标签组成第二训练集； 获取学生模型，其包括用于从缺失样本提取学生表征的特征提取器以及用于根据学生表征得到学生预测结果的回归层； 利用所述第二训练集、教师表征和教师预测结果对学生模型进行训练，其中，训练时，基于预设的总损失函数更新学生模型的参数，得到经训练的学生模型，所述总损失函数包括以下损失函数的加权求和： 表征损失函数，用于确定教师表征和学生表征间的损失，表征损失函数为： ； 其中，表示原始样本的数量，表示缺失率的数量，表示第个原始样本的教师表征，表示第个原始样本对应的第个缺失样本的学生表征，表示张量的均值； 预测结果损失函数，用于确定教师预测结果和学生预测结果间的损失，预测结果损失函数为： ； 其中，表示原始样本的数量，表示缺失率的数量，表示第个原始样本的教师预测结果，表示第个原始样本对应的第个缺失样本的学生预测结果，表示张量的均值； 对比损失函数，用于确定同一原始样本对应的不同缺失样本的学生表征间以及不同原始样本对应的缺失样本的学生表征间的对比损失，对比损失函数表示为： ； 其中，表示缺失率的数量，表示第个表征样本集和第个表征样本集组成的样本组的子对比损失； 绝对误差损失函数，用于确定学生预测结果和对应标签间的损失。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院计算技术研究所，其通讯地址为：100190 北京市海淀区中关村科学院南路6号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。