WO2024213924 - GRAPH-BASED MULTIVARIATE TIME-SERIES FORECASTING FOR MULTI-SEASONALITY WITH META-LEARNING
National phase entry is expected:
Publication Number
WO/2024/213924
Publication Date
17.10.2024
International Application No.
PCT/IB2023/056204
International Filing Date
15.06.2023
Title **
[English]
GRAPH-BASED MULTIVARIATE TIME-SERIES FORECASTING FOR MULTI-SEASONALITY WITH META-LEARNING
[French]
PRÉVISION DE SÉRIE CHRONOLOGIQUE MULTIVARIABLE BASÉE SUR UN GRAPHIQUE POUR UNE SAISONNALITÉ MULTIPLE AVEC MÉTA-APPRENTISSAGE
Applicants **
NEC LABORATORIES EUROPE GMBH
Kurfuersten-Anlage 36
69115 Heidelberg, DE
Inventors
NICOLAS, Sebastien
c/o NEC Laboratories Europe GmbH
Kurfuersten-Anlage 36
69115 Heidelberg, DE
GASTINGER, Julia
c/o NEC Laboratories Europe GmbH
Kurfuersten-Anlage 36
69115 Heidelberg, DE
Priority Data
63/495,568
12.04.2023
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| * | |
International Searching Authority |
EPO
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Translation |
|
Recalculate
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing | 1195 | |
| EPO | Filing, Examination | 4892 | |
| Japan | Filing | 597 | |
| South Korea | Filing | 575 | |
| USA | Filing, Examination | 2710 |
Total: 9969 USD
The term for entry into the National Phase has expired. This quotation is for informational purposes only
Abstract[English]
A method for graph-based multivariate time-series forecasting with meta-learning that forecasts time-series with different properties includes meta-learning to select one or more forecasting models to use for one or more individual time-series based on a graph structure associated with the one or more individual time-series. The method further includes training a graph-neural network to determine node embeddings that act as exogenous variables for the one or more selected forecasting models.[French]
L'invention concerne un procédé de prévision de série chronologique multivariable basée sur un graphique avec un méta-apprentissage qui prévoit des séries chronologiques avec différentes propriétés, comprenant un méta-apprentissage destiné à sélectionner un ou plusieurs modèles de prévision à utiliser pour une ou plusieurs séries chronologiques individuelles sur la base d'une structure de graphique associée auxdites séries chronologiques individuelles. Le procédé comprend en outre l'entraînement d'un réseau neuronal graphique pour déterminer des intégrations de nœud qui agissent en tant que variables exogènes pour lesdits modèles de prévision sélectionnés.