№ CN121388795A发明专利
有效一种时频联合分析与多尺度特征增强学习的模型架构
本发明属于时序数据分析技术领域,涉及一种时频联合分析与多尺度特征增强学习的模型架构,包括编码器、特征学习模块和分类头,编码器通过值嵌入、位置嵌入和时间特征嵌入,将输入的原始时间序列数据转化为第一特征表示,并作为特征学习模块的输入,特征学习模块将快速傅里叶变换和连续小波变换结合,通过自适应聚合算法调整时频分析的分解层次,全面捕捉数据特征,经过特征学习模块处理后输出第二特征表示,分类头通过激活函数、Dropout层和全连接层,将输入的第二特征表示映射到目标类别空间,以实现分类任务;本发明将参数量和计算量控制在一定范围内,适于实时医疗监测和低资源设备。
❖江南大学; 中国科学院苏州生物医学工程技术研究所; 上海理工大学; 苏州大学; 大连理工大学钱鹏江; 姚健; 付威威; 杨桂松; 樊成; 张振宇; 王闯; 符成龙; 方伟; 祝大双§ 1/10 权利要求G06F 18/241 (2023.01), G06F 18/2131 (2023.01), G06F 18/25 (2023.01) +5