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。

    微服务架构下的方法级无侵入调用链路追踪方法

    公开(公告)号:CN114821169B

    公开(公告)日:2024-07-19

    申请号:CN202210433035.9

    申请日:2022-04-23

    Abstract: 本申请公开了一种微服务架构下的方法级无侵入调用链路追踪方法、系统和电子设备,其通过基于上下文的编码器和时序编码器来获取在时序维度上各个服务器的日志数据之间的隐含关联特征以及各个服务器的日志数据在各个时间点之间的关联特征,以得到第一特征图和第二特征图,并进一步计算这两个特征图之间的特征流形维度分布相似性因数损失函数值来训练模型参数,可以通过高维特征分布的几何相似性的约束来优化特征流形之间具有关联的局部特征描述,以使得融合后的特征图能够减轻由于高维特征空间的空间复杂性导致的融合后特征稀疏度,从而增强融合后的所述特征图的分类能力。这样,就可以对所述微服务架构是否被入侵进行准确地检测。

    云平台入口实时流量复制方法、系统和电子设备

    公开(公告)号:CN114745168A

    公开(公告)日:2022-07-12

    申请号:CN202210354135.2

    申请日:2022-04-03

    Abstract: 本申请公开了一种云平台入口实时流量复制方法、系统和电子设备,其通过卷积神经网络模型以及时序编码器对各个客户端在多个预定时间点的传输网络数据包进行时间和样本维度上的高维关联特征提取以获得第一特征矩阵,并且针对网络攻击在传输流量上具有一定程度的样本间的随机性和时间上的周期性的数据范式,通过对所述第一特征矩阵的特征值进行周期混沌映射,可以使得所述第二特征矩阵在高维特征空间内从特征分布层面模拟样本数据的范式特性,同时,又能够通过改进初始的特征分布来周期性间隔地按位置间隔生成混沌序列,来增强特征分布的按位置多样性,从而扩展分类器对于特征分布整体作为一个集合在高维特征空间内的搜索范围,改进全局分类精度。

Patent Agency Ranking