基于深度混合专家的强化学习时序序列分析系统和方法

  • 国民经济行业:信息传输、软件和信息技术服务业/软件和信息技术服务业/软件开发, 金融业/其他金融业/金融信息服务
  • 学科类别:计算机科学技术/人工智能/人工智能其他学科
  • 权利人:上海交通大学

知识产权简介

本发明提供一种基于深度混合专家的强化学习时序序列分析系统和方法,包括:预处理模块,对时序序列进行去噪,将去噪后的所述时序序列以固定的窗口大小进行划分,得到预处理后的时序序列;策略网络,基于深度混合专家,对所述预处理模块处理后的时间序列进行编码解码,得到所述时序序列的打分信息;权重生成器,基于所述策略网络的所述打分信息,获得每个时序序列的权重。本发明通过数据预处理模块、策略网络、权重生成器,实现了更优的时序序列特征提取,更优的时序序列打分。

转化前景

时序序列在现实世界中被广泛地使用,如:天气的变化趋势、能源消耗的走势、金融股票市场的波动等都是以时序序列的数据形式呈现。其中预测时序序列的重要性也成为一个关键的话题,研究人员需要根据多个时序序列的历史走势,来分析这些时序序列各自的重要程度,来做后续的专业性决策。如:预测哪个能源的消耗会大幅上升,做能源相关的提早规划;预测哪个股票的走势会上涨,做金融的股票投资。 本发明提供一种基于深度混合专家的强化学习时序序列分析系统和方法,实现了更优的时序序列特征提取,更优的时序序列打分,可有效提升基于时序序列数据的下游任务。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式 入股,许可,转让
预估金额
联系合作