申请/专利权人：腾讯科技(深圳)有限公司

申请日：2024-03-08

公开（公告）日：2024-04-09

公开（公告）号：CN117852624A

主分类号：G06N3/096

分类号：G06N3/096;G06N3/0464;G06N3/045;G06N3/0499;G06N3/0442;G06N5/01;G06F18/27;G06F18/2411;G06F18/2431;G06F18/15;G06F18/25;G06F18/22;G06N3/048;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本申请实施例提供了一种时序信号预测模型的训练方法、预测方法、装置及设备。时序信号预测模型包括特征提取网络和回归器，方法包括：对第一样本中的样本图像进行分块处理，得到图像块序列，对第一样本中的样本描述文本进行分块处理，得到文本块序列；基于第一样本中样本图像对应的图像块序列、样本描述文本对应的文本块序列及第一样本的标签，对特征提取网络进行预训练；根据第二样本中历史时序信号和历史时序信号对应的下一时间段的实际时序信号，对回归器和预训练后的特征提取网络进行微调训练。通过上述方法，在预训练阶段使特征提取网络学习到提取有效特征的能力，在微调训练阶段仅需少量目标域样本即可使时序信号预测模型达到良好的性能。

主权项：1.一种时序信号预测模型的训练方法，其特征在于，所述时序信号预测模型包括特征提取网络和回归器，所述方法包括：获取第一训练集，所述第一训练集包括多个第一样本和各第一样本的标签，所述第一样本包括样本图像和样本描述文本，所述标签用于指示样本描述文本与样本图像之间的匹配性；对所述第一样本中的样本图像进行分块处理，得到图像块序列，以及对所述第一样本中的样本描述文本进行分块处理，得到文本块序列；基于第一样本中样本图像对应的图像块序列、样本描述文本对应的文本块序列以及所述第一样本的标签，对特征提取网络进行预训练；获取目标域训练集，所述目标域训练集包括多个第二样本，所述第二样本包括目标域中的历史时序信号和历史时序信号对应的下一时间段的实际时序信号；根据第二样本中所述历史时序信号和所述历史时序信号对应的下一时间段的实际时序信号，对所述回归器和预训练后的特征提取网络进行微调训练。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 时序信号预测模型的训练方法、预测方法、装置及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD