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！

龙图腾网获悉中科(厦门)数据智能研究院申请的专利一种用于大尺度多元时间序列的时空多粒度表征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：CN117036741B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202311089937.6，技术领域涉及：G06V10/62；该发明授权一种用于大尺度多元时间序列的时空多粒度表征学习方法是由余澄庆;孙涛;王飞;李蒙;梅强;徐勇军设计研发完成，并于2023-08-28向国家知识产权局提交的专利申请。

本一种用于大尺度多元时间序列的时空多粒度表征学习方法在说明书摘要公布了：本发明公开了一种用于大尺度多元时间序列的时空多粒度表征学习方法，具体涉及时间序列分析技术领域，包括输入信息、消除不同粒度之间的冗余信息、自适应时空特征挖掘以及动态时空多粒度信息融合；本发明充分挖掘并提取了大尺度多元时间序列时间维度和空间维度重要的特征信息，为不同的下游任务提供了优质的输入表征，设计了多粒度残差学习组件建模时间维度上的多粒度信息，能在挖掘多粒度数据特性的同时消除不同粒度之间的冗余信息，通过自适应时空图注意力方法，实现动态地建立节点之间的空间关系，并进一步实现有效的大尺度多元时间序列表征学习，为下游任务提供高质量的表征信息。

本发明授权一种用于大尺度多元时间序列的时空多粒度表征学习方法在权利要求书中公布了：1.一种用于大尺度多元时间序列的时空多粒度表征学习方法，其特征在于，包括如下步骤： 步骤一，输入信息：将目标图像进行特征提取，通过时间序列根据不同的采样间隔获得粗细粒度不同的数据，将粗细粒度不同的数据由粗至细输入至多粒度残差学习模块中； 步骤二，消除不同粒度之间的冗余信息：根据时间序列数据的基本特征构建多粒度残差学习模块，多粒度残差学习模块的功能分别为多个粒度之间的冗余信息位置的确定、不同粒度的特征维度的匹配以及冗余信息的消除； 步骤三，自适应时空特征挖掘：生成空间节点之间的连接关系，通过构建自适应时空图注意力模块实现节点信息的交互； 步骤四，动态时空多粒度信息融合：通过基于注意力的时空多粒度信息融合挖掘后的特征向量，获得用于下游建模的最终表征信息； 多粒度残差学习模块的建模步骤为： 步骤一，数据准备：多粒度残差学习模块的输入为不同粒度的多元时间序列，不同粒度的多元时间序列具体为： ； 式中：为多粒度残差学习模块的数量，为不同粒度的多元时间序列集，为最粗粒度数据，为最细粒度数据，为多元时间序列的数量，为是维度为的张量，为历史回望窗口的长度； 步骤二，多个粒度之间的冗余信息位置的确定：通过分段采样方法实现粗粒度和细粒度冗余信息位置的对应，其中最粗粒度数据的维数变换为： ； 式中：为维数，为最粗粒度的历史回望窗口的长度，与的大小相等； 根据最粗粒度的维度，通过分段采样将所有细粒度转化为三维张量，其中细粒度数据的转换如下所示： ； 对于变换后的最细粒度数据，分段采样得到的第子序列的数据形式如下： ； 式中：为第子序列集； 步骤三，不同粒度的特征维度的匹配：通过分段采样技术对细粒度输入的最细粒度数据进行转换，通过多层感知机实现矩阵对应，将最细粒度数据的维数从变换为，并实现信息嵌入，公式如下： ； ； 式中：为细粒度特征，为权重矩阵，为偏置向量，为激活函数，为细粒度特征嵌入后的尺寸； 步骤四：冗余信息的消除：通过残差连接消除细粒度数据与粗粒度数据之间的冗余信息，残差连接的公式为： ； 式中：为时空自适应图注意力模块的输入，为经过维度对应处理后的输入特征，为当前细粒度中需要消除的粗粒度信息。

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科(厦门)数据智能研究院，其通讯地址为：361023 福建省厦门市软件园三期凤岐路208-3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。