7点科技|「专利解密」举一反三！微软最新公开的趋势预测技术( 二 ) 【嘉德点评】微软发明的基于神经网络的

文章图片
除此之外，递归神经网络还可以是双向递归神经网络，如上图所示，递归神经网络中的递归神经网络单元314、324、334在每一个时间步长可以接收相应的输入数据以及上一时间步长的隐状态。递归神经网络中的递归神经网络单元312、322、332也可以在每一个时间步长接收相应的输入数据以及下一时刻的隐状态。
在时间步长t＝1时，递归神经网络单元包括相应的递归神经网络单元312和递归神经网络单元314；在时间步长t＝2时，递归神经网络单元包括相应的递归神经网络单元322和递归神经网络单元324；以此类推，在时间步长t＝N时，递归神经网络单元则包括相应的递归神经网络单元332和递归神经网络单元334 。

文章图片
最后我们来看看这种用于预测对象的趋势的方法的流程图，首先获取与对象相关联的时间序列数据，接着利用递归神经网络来计算时间序列数据的向量，此时要将时间序列数据划分为与递归神经网络的多个输入相对应的多个部分，这些部分包括具有多个来源的数据项，利用数据项之间的重要性关系来确定时间序列数据的向量。
接着基于时间序列数据的向量来确定对象与预定义的标签相关联的概率，标签指对象随时间变化的趋势的类别，通过这种的方式，可以将预测问题转化为分类问题。最后就基于概率模型来生成对象随时间变化趋势的预测，例如如果某一标签相关联的概率超过一定阈值，就认为该对象的趋势与该标签相同。
以上就是微软发明的基于神经网络的趋势预测方法，这种方法通过获取与对象相关联的时间序列数据，利用递归神经网络来计算时间序列数据的向量，这种向量可以用于确定要分析对象与预定义标签相关联的概率，从而可以对于要分析的对象随时间变化的趋势进行预测。
关于嘉德

文章图片
深圳市嘉德知识产权服务有限公司由曾在华为等世界500强企业工作多年的知识产权专家、律师、专利代理人组成，熟悉中欧美知识产权法律理论和实务，在全球知识产权申请、布局、诉讼、许可谈判、交易、运营、标准专利协同创造、专利池建设、展会知识产权、跨境电商知识产权、知识产权海关保护等方面拥有丰富的经验。
（校对/holly）