摘要
本发明实施例提出一种时间序列分析模型训练方法、时间序列分析方法及相关装置,涉及人工智能技术领域。该方法通过任务指令、历史背景信息和历史统计信息的融合,提高时间序列分析模型对预测任务、插补任务、异常检测任务和分类任务的多任务理解能力。利用掩码模块对预测任务、插补任务和异常检测任务进行融合推理分析,利用分类模块单独推理分析分类任务,不仅提高时间序列分析模型的任务兼容性,还通过多任务融合的共享特征减少任务之间的冲突,降低时间序列分析模型的计算复杂度,从而提高模型的泛化能力强和时间序列分析能力。
技术关键词
历史统计信息
大语言模型
融合特征
时间序列分析方法
时域特征
频域特征
指令
统计特征
短时傅里叶变换
理论
输出模块
多任务
存储计算机程序
掩码矩阵
人工智能技术
训练装置
分析装置
系统为您推荐了相关专利信息
样本
大语言模型
深度神经网络模型
生成算法
对抗性
低剂量CT图像
超分辨率方法
解码器
多尺度网络
编码器模块
大语言模型
训练样本集
信息处理方法
计算机程序产品
信息处理装置
大语言模型
渲染方法
无人机摄像装置
图像数据处理模块
文本