基于时频重建的生理信号自监督表示学习方法和系统

    公开(公告)号:CN119089378A

    公开(公告)日:2024-12-06

    申请号:CN202411084058.9

    申请日:2024-08-08

    Applicant: 浙江大学

    Inventor: 杨洋 张宇鹏

    Abstract: 本发明提出了一种基于时频重建的生理信号自监督表示学习方法和系统,属于信号处理和模式识别技术领域。包括:获取原始多通道生理信号数据并转化为时频图;对生理信号及其时频图进行分段/分块、随机掩码和特征转换,得到初步时域表征和频域表征;在时间维度和通道维度分别对初步时域表征和频域表征编码并融合,得到时频混合表征;基于时频混合表征,采用重建学习方法预训练编码器;利用预训练好的编码器获得待处理的原始多通道生理信号数据的多通道时频表示并混合得到时频混合表征,将所述的时频混合表征作为学习到的生理信号自监督表示,用于生理疾病分类任务。本发明具备更高的泛化能力、适应性,为生理信号分类任务提供了一种有效的解决方案。

    一种从层级用电序列中提取高级语义信息的方法和系统

    公开(公告)号:CN119557698A

    公开(公告)日:2025-03-04

    申请号:CN202411641074.3

    申请日:2024-11-18

    Applicant: 浙江大学

    Abstract: 本发明公开了一种从层级用电序列中提取高级语义信息的方法和系统,属于时间序列数据处理领域。将城市、区域和用户的用电序列窗口视为节点特征,根据用户节点特征生成中间节点特征,构建由城市节点、区域节点、用户节点、中间节点组成的层级图;通过外生变量增强的时序编码器提取层级图中节点的用电序列时序语义表示;通过层级编码器对时序语义表示进行层级增强;将层级增强的时序语义表示用于掩码重建任务和双视角对比学习任务,训练编码器;采用训练后的外生变量增强的时序编码器、层级编码器提取用电序列中的层级增强的时序语义表示作为高级语义信息。本发明实现了机器理解用电序列,可用于完成和电力系统相关的多种下游任务。

Patent Agency Ranking