基于频域学习的具身智能体时序数据建模方法

本发明公开了一种基于频域学习的具身智能体时序数据建模方法，包括对原始时序数据序列进行自适应分块，通过多尺度卷积提取特征并生成位置编码；对特征块执行傅里叶变换提取频域信息，并进行非线性变换和残差补偿；计算特征之间的注意力关系并进行特征融合；构建时序依赖关系图，提取时序聚合特征和动态系统特征；构建概率预测模型，计算预测结果的不确定性。本发明通过自适应分块和频域特征提取提高了建模精度，通过注意力机制和图结构建模增强了特征表达能力，通过不确定性量化提升了预测可靠性，适用于复杂环境下具身智能体的时序数据建模。