摘要
本公开属于核电技术领域,具体涉及一种基于多视角时空交互注意网络的异常时序数据检测方法及装置。本公开能够充分挖掘工控系统多源时序数据中的复杂时空相关性依赖,从而更加全面地建模时序数据异常检测。聚焦于通过对时序数据全局级与局部级等多视角特征进行联合表征学习;构建时间域和空间域多头自注意力机制进行时空内容交互聚合以获得内容感知表示,同时利用多个堆叠型图注意力网络层进行时空关联学习以获得关联感知表示;最后在双重注意力强化的对比重建模块中,分别采用全局与局部级多头交叉注意力机制来进一步地获取重建时序序列,从而有效实现对工控系统中多源时序数据异常检测。
技术关键词
交叉注意力机制
时序特征
时序数据检测方法
时间域
时间卷积网络
注意力模型
多视角
时空关联关系
数据检测装置
双线性池化
非易失性计算机可读存储介质
工业控制系统
序列
计算机程序指令
多源时序数据
工控系统
重构误差
系统为您推荐了相关专利信息
时序特征
时空卷积神经网络
相变材料
分类阈值
多模态
电刺激方法
深度神经网络模型
强化学习环境
时序特征
DenseNet网络
时间序列预测方法
语义
时间序列预测技术
线性
滑动窗口
成像组件
工作状态远程监测
模态特征
光电
分布式数据处理
数据模拟仿真方法
多维可视化模型
时序特征
数据可视化
可视化参数