一种基于知识图谱的多模态融合设备表征方法

    公开(公告)号:CN119397469A

    公开(公告)日:2025-02-07

    申请号:CN202411241810.6

    申请日:2024-09-05

    Abstract: 本发明属于核电厂智慧运行和检修技术领域,具体涉及一种基于知识图谱的多模态融合设备表征方法。包括如下步骤:步骤1:知识图谱构建;步骤2:多模态融合;步骤3:联合知识图谱和多模态数据。本发明的有益效果在于:知识图谱嵌入是一种将知识图谱中的实体和关系映射到低维向量空间的技术,作为一个标准的知识图谱技术,其能力和收敛性已经得到了学术界和业界的实践证明。该技术能够将复杂的知识图谱信息转化为易于处理的数学形式,同时保持了数据的丰富性和可解释性,其可以与多模态数据融合,将文本、图像等非结构化数据与知识图谱结合,增强其能力。

    一种基于工业流程和多模态融合的设备多物理场建模方法

    公开(公告)号:CN119378361A

    公开(公告)日:2025-01-28

    申请号:CN202411285630.8

    申请日:2024-09-13

    Abstract: 本发明属于核电厂智慧运行和检修技术领域,具体涉及一种基于工业流程和多模态融合的设备多物理场建模方法。包括如下步骤:步骤1:设备多物理场建模;步骤2:设备上下游信息、所处环境、人为影响建模;步骤3:模型融合和对应多任务训练。本发明的有益效果在于:神经网络模拟物理场技术可以用神经网络来模拟复杂物理场机理,根据Universal Approximation Theorem for Operator(Chen et al.1995),对于任意的光滑、局部Lipschitz的常微分方程,都存在一个神经网络以任意逼近精度对该方程进行逼近。多模态融合,主要通过预训练的方式,把各个物理场,表达设备外部信息的向量进行互相映射和学习,让各个维度的数据在高维空间中形成统一的流形。

Patent Agency Ranking