融合周期性特征和部分归一化的神经网络模型训练方法、神经网络模型

本申请提出一种融合周期性特征和部分归一化的神经网络模型训练方法、神经网络模型，该模型的输入层为自注意力层，方法包括：在接收到训练样本后，调用自注意力层提取训练样本包含的周期性特征和第一非周期性特征；对第一非周期性特征的多个特征值进行归一化处理得到第二非周期性特征；将周期性特征分解为正弦波特征和余弦波特征；对多个第二非周期性特征、正弦波特征和余弦波特征进行拼接，将拼接后的特征数据作为待训练神经网络模型的训练数据；使用训练数据对待训练神经网络模型进行训练得到目标神经网络模型。本申请实施例能够去除归一化对捕获周期性特征的影响，以及提高对训练数据范围之外的周期性建模效果。