[发明专利]利用人工智能的时间序列数据学习及分析方法

权利要求书

1.一种时间序列数据分析方法，其由计算装置执行，其特征在于，包括：

对于所述时间序列数据在时间轴上被分割的多个单元中的各个单元，将各个所述单元的特征输入到中间人工神经网络的步骤；

从所述中间人工神经网络获得m维的中间输出数据的步骤，其中，所述m为2以上的自然数；

将时间上紧邻的多个单元的所述中间输出数据输入到最终人工神经网络，获得从所述最终人工神经网络输出的最终输出数据的步骤；及

利用所述最终输出数据生成所述时间序列数据的分析结果的步骤。

2.根据权利要求1所述的时间序列数据分析方法，其特征在于，

所述中间人工神经网络及所述最终人工神经网络为循环神经网络。

3.根据权利要求1所述的时间序列数据分析方法，其特征在于，

所述最终人工神经网络的输入层的节点为m个。

4.根据权利要求1所述的时间序列数据分析方法，其特征在于，

获得所述中间输出数据的步骤包括：

第一计算装置将所述多个单元包括的第一单元的特征输入到体现在所述第一计算装置的所述中间人工神经网络，并从所述中间人工神经网络获得m维的中间输出数据的步骤；及

第二计算装置将所述多个单元包括的第二单元的特征输入到体现在所述第二计算装置的中间人工神经网络，并从所述中间人工神经网络获得m维的中间输出数据的步骤。

5.根据权利要求4所述的时间序列数据分析方法，其特征在于，

获得所述最终输出数据的步骤包括，

第三计算装置从所述第一计算装置接收所述第一单元的中间输出数据，从所述第二计算装置接收所述第二单元的中间输出数据，并将所述第一单元的中间输出数据及所述第二单元的中间输出数据依次输入到所述最终人工神经网络的步骤，其中，所述第一单元及所述第二单元为时间上紧邻的单元。

6.根据权利要求1所述的时间序列数据分析方法，其特征在于，

所述中间人工神经网络由k个级别组成，所述k为2以上的自然数，

输入到所述中间人工神经网络的步骤包括：

将所述多个单元中各个单元的特征输入到级别1中间人工神经网络的步骤；

将从级别i中间人工神经网络获得的级别i输出数据输入到级别i+1中间人工神经网络的步骤，所述i为1以上的自然数；及

从级别i+1中间人工神经网络获得级别i+1输出数据的步骤，

其中，所述中间输出数据为从级别k中间人工神经网络输出的数据。

7.根据权利要求1所述的时间序列数据分析方法，其特征在于，

所述时间序列数据为心电图数据。

8.根据权利要求7所述的时间序列数据分析方法，其特征在于，

所述分析结果为心电图诊断结果。

9.根据权利要求7所述的时间序列数据分析方法，其特征在于，

n个所述单元为利用R峰值分割的搏动单元。

10.根据权利要求9所述的时间序列数据分析方法，其特征在于，

所分割的n个所述搏动单元为，

在分割所述时间序列数据后，比较所分割的搏动之间的相似度，将与现有的特定搏动的相似度为预设数值以上的搏动代替为所述特征单元。

11.一种时间序列数据学习方法，其由计算装置执行，其特征在于，包括：

对于所述时间序列数据在时间轴上被分割的多个单元中的各个单元，将各个所述单元的特征输入到中间人工神经网络的步骤；

从所述中间人工神经网络获得m维的中间输出数据的步骤，其中，所述m为2以上的自然数；

将时间上紧邻的多个单元的所述中间输出数据输入到最终人工神经网络，获得从所述最终人工神经网络输出的最终输出数据的步骤；及

将所述最终输出数据与标记在所述时间序列数据的标签进行比较的步骤。