公开(公告)号：CN106610980B

公开(公告)日：2022-03-18

申请号：CN201510690684.7

申请日：2015-10-22

Applicant: 日本电气株式会社

Inventor： 刘博 ,  杨文涛 ,  祁仲昂 ,  胡卫松 ,  刘晓炜 ,  邓敏

IPC: G06F16/29 ,  G06K9/62

Abstract: 提供了一种用于对时空序列数据进行分类/预测的设备，包括：接收单元，被配置为接收时空序列数据；建模单元，被配置为基于时空序列数据产生与地理上的异构性有关的权重参数，并基于所产生的权重参数构建用于分类/预测的模型；以及分类/预测单元，被配置为采用所构建的用于分类/预测的模型对时空序列数据进行分类/预测。还提供了一种用于对时空序列数据进行分类/预测的方法。本发明提出的地理加权极限学习机考虑到地理空间的异构性，能够提高对时空序列数据进行分类或预测的精度。

公开(公告)号：CN106156844A

公开(公告)日：2016-11-23

申请号：CN201510127794.2

申请日：2015-03-23

Applicant: 日本电气株式会社

Inventor： 祁仲昂 ,  刘博 ,  胡卫松

IPC: G06N3/02

Abstract: 本公开涉及用于构建时空神经网络和利用其进行预测的方法和设备。根据本公开的一个示例实施方式，用于构建时空神经网络的方法可以包括：对时空序列数据集进行聚类，以将所述时空序列数据集在空间区域上划分成多个子区域；确定所述多个子区域中的各个子区域的时空相关性；以及基于所述各个子区域的时空相关性来构建所述时空神经网络。根据本公开，通过考虑时空序列数据的异质性而构建出一种异质时空神经网络。利用该方法，时空模型可以构建得更加合理，而且能够在提高训练数据的拟合性能的同时，提高时空序列数据的预测精度。

公开(公告)号：CN106709588B

公开(公告)日：2022-05-17

申请号：CN201510778908.X

申请日：2015-11-13

Applicant: 日本电气株式会社

Inventor： 祁仲昂 ,  刘博 ,  胡卫松

IPC: G06Q10/04

Abstract: 本公开涉及预测模型构建方法和设备以及实时预测方法和设备。所述预测模型构建方法包括：识别待训练数据中的多种不同的关联模式，其中多种不同的关联模式描述待训练数据中的影响因素与目标数据之间的多种不同的关联关系；利用与多种不同的关联模式相对应的多组数据分别进行训练，以得到适用于多种不同的关联模式的多个子预测模型；以及根据待训练数据构建多种不同的关联模式之间的关联模式转移模型，其中关联模式转移模型用于在预测过程中确定多个不同的子预测模型与待预测数据之间的匹配度。根据本公开的实施方式，可以得到与多种数据特征对应的多个预测模型，因此在预测时可以基于数据自身特征动态调整各个预测模型的权重，从而提高预测精度。

公开(公告)号：CN107884511A

公开(公告)日：2018-04-06

申请号：CN201610871833.4

申请日：2016-09-30

Applicant: 日本电气株式会社

Inventor： 祁仲昂 ,  于璐 ,  胡卫松

IPC: G01N33/00 ,  G06N3/08

CPC classification number: G01N33/0004 ,  G06N3/084

Abstract: 本申请提供了一种用于预测室内空气质量的设备，包括：室外空气质量预测单元，被配置为预测室外空气质量；确定单元，被配置为确定室外空气质量与室内空气质量之间的关系；监测单元，被配置为监测室内空气质量异常；以及室内空气质量预测单元，被配置为根据室外空气质量、室外空气质量与室内空气质量之间的关系以及室内空气质量异常来预测室内空气质量。通过本申请，能够更加准确地预测室内空气质量，并且以较小的代价达到室内空气的净化。