[发明专利]利用人工智能的时间序列数据学习及分析方法

说明书

本发明提供利用人工智能的时间序列数据的学习及分析方法。根据本发明一实施例的时间序列数据分析方法，由计算装置执行，其可以包括：对于上述时间序列数据在时间轴上被分割的多个单位中的各个单位，将各个上述单位的特征(feature)输入到中间人工神经网络的步骤；从上述中间人工神经网络获得m(m为2以上的自然数)维的中间输出数据的步骤；将时间上紧邻的多个单元的上述中间输出数据输入到最终人工神经网络，获得从上述最终人工神经网络输出的最终输出数据的步骤；及利用上述最终输出数据生成上述时间序列数据的分析结果的步骤。

技术领域

本发明涉及利用人工智能的时间序列数据的学习及分析方法。更具体地，本发明涉及利用多个人工神经网络执行时间序列数据的学习及分析的方法。

背景技术

随着信息的数字化及数据储存技术的发展，积累了大量的数据，机器学习技术已被引入并应用于多种领域中。机器学习是分析大量的输入数据，根据概率将对象进行分类或者预测特定范围内的值的技术。机器学习不通过特定规则导出结果值，而是根据经验分析大量的输入数据，根据概率导出结果值的方式进行动作。

然而，对于利用人工智能学习及分析时间序列数据而言，其问题在于，时间序列数据需要与图像数据等进行比较，处理的数据长度可能会很长。以心电图数据为例，需要综合学习及分析测量24小时以上的心电图数据，以导出诊断结果，这需要花费大量的学习和分析时间，而且初期输入数据也会被渐渐稀释而模糊，所以对于长期性数据的学习及分析，在准确度方面也会出现问题。

发明内容

发明所要解决的问题

本发明所要解决的技术问题为，提供使利用人工智能的时间序列数据学习及分析的运算量减少的方法及装置。

本发明所要解决的另一个技术问题为，提供可以使利用人工智能的时间序列数据学习及分析的准确度提高的方法及装置。

本发明所要解决的技术问题为，提供使利用人工智能的心电图(ECG)学习及分析的运算量减少的方法及装置。

本发明所要解决的技术问题为，提供可以使利用人工智能的心电图(ECG)学习及分析的准确度提高的方法及装置。

本发明的技术问题不局限于以上提及的技术问题，本领域技术人员可以通过以下说明明确理解未被提及的其他技术问题。

用于解决问题的方案

为解决上述技术问题的本发明一实施例的时间序列数据分析方法，由计算装置执行，其可以包括：对于上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，将各个上述单元的特征(feature)输入到中间人工神经网络的步骤；从上述中间人工神经网络获得m(m为2以上的自然数)维的中间输出数据的步骤；将时间上紧邻的多个单元的上述中间输出数据输入到最终人工神经网络，获得从上述最终人工神经网络输出的最终输出数据的步骤；及利用上述最终输出数据生成上述时间序列数据的分析结果的步骤。

一实施例中，上述中间人工神经网络及上述最终人工神经网络可以为循环神经网络(Recurrent Neural Network，RNN)。

一实施例中，上述最终人工神经网络的输入层的神经元可以为m个。

一实施例中，获得上述中间输出数据的步骤可以包括：第一计算装置将上述多个单元包括的第一单元的特征输入到体现在上述第一计算装置的上述中间人工神经网络，并从上述中间人工神经网络获得m维的中间输出数据的步骤；及第二计算装置将上述多个单元包括的第二单元的特征输入到体现在上述第二计算装置的中间人工神经网络，并从上述中间人工神经网络获得m维的中间输出数据的步骤。