基于知识图谱增强的多模态变压器故障溯因推理方法及相关系统

AITNT
正文
推荐专利
基于知识图谱增强的多模态变压器故障溯因推理方法及相关系统
申请号:CN202510321051
申请日期:2025-03-18
公开号:CN120258135A
公开日期:2025-07-04
类型:发明专利
摘要
本发明属于变压器故障推理领域,公开了基于知识图谱增强的多模态变压器故障溯因推理方法及相关系统,本发明结合了变压器的图像信息和对应的文本描述数据(即多模态数据),通过将图像块转化为高维向量,并与文本信息融合,实现了更全面的信息表达。图像和文本信息的联合处理增强了模型的推理能力,使得预测结果更加精准。本发明使用Transformer自注意力机制模型,能够有效地从图像高维向量中提取视觉特征,并从图像嵌入高维向量中提取图像知识图谱信息。自注意力机制通过关注不同区域的关系,能够捕捉到更丰富的特征,减小因图像局部特征而导致的误差。
技术关键词
图像嵌入 变压器 推理方法 注意力机制 图谱 旋转框 文本 推理系统 图像块 图片 视觉特征提取 拼接模块 图像局部特征 关系 数据采集模块 尺寸
系统为您推荐了相关专利信息
1
基于时间信息感知的多特征学习在线视频流行度预测方法
流行度预测方法 视频 上下文特征 特征提取网络 序列特征
2
一种全网文件与外联黑灰产检测的聚合分析方法
结构化日志数据 输入向量集合 分析方法 异构 账户
3
基于提示学习和生成模型的篇章级事件抽取方法及装置
事件抽取方法 解码器 文本 有向无环图 序列
4
基于三角度注意力和实体-关系相关性的DocRE方法
关系 注意力机制 融合语义 预训练语言模型 损失函数设计
5
一种基于改进YOLO模型的轻量化货车检测方法及系统
货车检测方法 YOLO模型 输出特征 特征提取网络 专用数据集
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号