[发明专利]实时地计算时间卷积网络

权利要求书

1.一种在时间卷积网络中对时间序列数据实时执行深度卷积的计算机化的方法，包括：

输入第一固定时间窗口的时间序列数据；

通过经训练的深度卷积网络预测第一输出；

输入第二固定时间窗口的时间序列数据；

通过经训练的深度卷积网络预测第二输出，其中

用于提供第一输出并且第二输出所需的卷积运算对于第二输出的预测或对于后续的预测输出不重复。

2.如权利要求1所述的方法，还包括一旦执行就绪卷积运算所需要的所有输入可用就执行就绪卷积运算。

3.如权利要求1所述的方法，还包括在存储器中保留执行未来卷积运算所需要的输入和中间值。

4.如权利要求1所述的方法，其中单个卷积运算跨多个固定时间窗口的时间序列数据仅执行一次。

5.如权利要求1所述的方法，其中在时间卷积网络的所有层中根据需要重用先前卷积运算的输出，以最小化时间卷积网络在其实时评估期间的计算要求和存储器占用。

6.如权利要求1所述的方法，还包括：

经由固定窗口视图训练时间卷积网络，其中使用输入时间序列的固定时间拼接来训练时间卷积网络；以及

实时地执行经固定窗口视图训练的时间卷积网络。

7.一种在时间卷积网络中对时间序列数据实时执行深度卷积的计算机化的方法，包括：

输入第一固定时间窗口的时间序列数据；

一旦执行就绪卷积运算所需要的所有输入可用，就执行就绪卷积运算；

在存储器中保留执行未来卷积运算所需要的输入和中间值；

通过经训练的深度卷积网络预测第一输出；

输入第二固定时间窗口的时间序列数据；以及

通过经训练的深度卷积网络预测第二输出，其中保留在存储器中的第二输出所需的卷积运算被重用，而不是重新执行卷积运算。

8.如权利要求7所述的方法，其中单个卷积运算跨多个固定时间窗口的时间序列数据仅执行一次。

9.如权利要求7所述的方法，其中在时间卷积网络的所有层中根据需要重用先前卷积运算的输出，以最小化时间卷积网络在其实时评估期间的计算要求和存储器占用。

10.如权利要求7所述的方法，还包括：

经由固定窗口视图训练时间卷积网络，其中使用输入时间序列的固定时间拼接来训练时间卷积网络；以及

实时地执行经固定窗口视图训练的时间卷积网络。

11.一种其上存储有可执行程序的非暂态计算机可读存储介质，其中所述程序指示一个或多个处理器执行动作，包括：

输入第一固定时间窗口的时间序列数据；

通过经训练的深度卷积网络预测第一输出；

输入第二固定时间窗口的时间序列数据；

通过经训练的深度卷积网络预测第二输出，其中

用于提供第一输出并且第二输出所需的卷积运算对于第二输出的预测或对于后续的预测输出不重复。

12.如权利要求11所述的其上存储有可执行程序的非暂态计算机可读存储介质，其中程序指示一个或多个处理器执行进一步的动作，包括一旦执行就绪卷积运算所需要的所有输入可用就执行就绪卷积运算。

13.如权利要求11所述的其上存储有可执行程序的非暂态计算机可读存储介质，其中程序指示一个或多个处理器执行进一步的动作，包括在存储器中保留执行未来卷积运算所需要的输入和中间值。

14.如权利要求11所述的其上存储有可执行程序的非暂态计算机可读存储介质，其中单个卷积运算跨多个固定时间窗口的时间序列数据仅执行一次。