一种基于残差图注意力网络的电机故障诊断方法，包括以下步骤：1)数据样本划分；2)故障特征信号提取；3)以故障特征信号的极值点为图网络的节点，定义节点之间相关性的规则，分别融合10个连续的小样本中的电流图网络作为模型输入样本，每个输入样本包括两个电流图网络；4)通过将残差网络ResNet和GAT进行结合，利用ResNet中的恒等映射思想来保证图信息在特征传递时的完整性；5)对于输入样本中的两个电流图网络，通过一层ResGAT和一层GAT提取特征，然后融合这两个特征图，再利用CNN提取特征并实现故障分类。本发明采用的电流数据获取容易且成本较低，ResGAT可以保证图信息的完整性。
📄 202011537414X
📂 G01R31_34
👤 浙江工业大学
📅 2020-12-23
本发明公开了一种基于时空图注意力网络的工业时序数据异常检测方法，包括以下步骤：1)构建传感器时序全连接图，将工业传感器数据节点两两相连构成完全图，节点表示传感器数据，边权重表示传感器之间的依赖关系；2)采用图卷积网络提取时序全连接图的空间信息生成空间特征向量；3)采用TimesNet提取时序全连接图的时间信息生成时间特征向量；4)采用时空图注意力网络将时间特征向量与空间特征向量进行融合；5)使用历史正常时序数据进行模型训练，将时空特征向量输入到全连接层中得到每个时间步的预测值；6)对于测试集中的异常数据，根据预测值和观测值之间的差异计算异常分数，通过Boxplot方法自适应计算异常数据的阈值。
📄 2023110657146
📂 G06F18_2433
👤 浙江工业大学
📅 2023-08-23
本发明提出一种基于知识增强图注意力网络的虚假新闻视频检测方法，该方法包括：基于完整的文本信息，通过预训练语言模型进行提取，得到文本的语义特征；利用预训练的语音模型对语音信息进行提取，得到语音的情感特征；利用预训练的滑动窗口模型对关键帧进行提取，得到视觉特征；利用预训练的立场检测模型，结合视频的立场特征以及评论的权重值得到视频的全局评论特征；利用视频发布者的社交特征得到用户的社交特征；通过场景图序列得到时序场景图特征；对多模态特征进行融合，得到多模态特征表示；基于多模态特征表示得到预测结果。本发明提供了一种全面、高效的虚假新闻视频检测方案，显著提升了检测精度和实际应用价值。
📄 2025102306113
📂 G06V20_40
👤 江西财经大学
📅 2025-02-28
本发明公开了融合图注意力网络和QA提取范式的事件抽取方法与系统，针对包括军事事件的历史作战文本，基于图注意力网络及分类机制，通过对历史作战文本进行预处理、触发词识别、事件论元角色抽取，完成对文本的处理，提高事件抽取的准确率，旨在保证在复杂多变的战场环境下，提高关键信息的提取效率，缩短指挥决策的时间。
📄 2023103307538
📂 G06F40_284
👤 南京信息工程大学
📅 2023-03-30
本发明公开一种利用动态图注意力网络的恶意软件检测方法。本发明对API序列进行分段，构建API图快照序列，使用多个快照记录了软件API调用图的变化过程，以此间接表示软件行为动作发生的顺序与过程，使模型能更好地理解软件行为。本发明将通过图注意力神经网络模块更新注意力系数，同时通过门控循环神经网络模块更新隐藏状态,使得模型能捕获调用图局部恶意行为信息与调用图结构的演变过程，更加适应非典型的恶意软件检测。
📄 2022109075489
📂 G06F21_56
👤 杭州电子科技大学
📅 2022-07-29
本发明公开了基于对比学习和异构图注意力网络的作者名称消歧方法，属于知识图谱构建的实体消歧技术领域，包括使用MongoDB存取论文名称、作者、机构等信息，使用python的字符处理库对数据进行清洗，去除噪声获得更加规范的文本，清洗成适用于后续步骤的数据；使用对比学习对论文进行表征学习，获得论文的统一编码的嵌入；以纯度优先为原则对论文进行聚类，缓解论文过合并问题，得到论文簇；对上一步得到的论文簇使用异构图注意力网络进行对齐；提出过拆分检测和过拆分对齐算法，保证论文消歧质量。本发明更好的实现了同名作者消歧的消歧问题，在一定程度上解决了论文过合并和论文过拆分的问题。
📄 2022111516070
📂 G06F16_353
👤 燕山大学
📅 2022-09-21
本发明公开了一种基于超图注意力网络的时序异常检测方法及系统，其方法包括如下步骤：对采集的多变量时间序列进行数据预处理；采用并行的超图注意力网络模型，对预处理后的多变量时间序列的空间维度和时间维度进行特征融合；将特征融合数据经过门控循环单元层，获取特征融合数据的序列模式，采用基于预测的模型和基于重建的模型的联合训练；将预测的值和重建的概率计算异常得分，判断多变量时间序列是否异常；本发明的超图注意力网络模型通过联合训练来优化目标，并且整合基于预测和基于重建的模型的优点，其中基于预测的模型采用Transformer预测子网络，能够有效的捕获上下文信息，对单时间戳的预测更加准确。
📄 2023115804936
📂 G06F18_2433
👤 华东交通大学
📅 2023-11-24
本发明公开了一种基于门控机制和图注意力网络的中文实体关系抽取方法，首先，使用中文BERT预训练模型将文本转换为机器可以识别的向量形式；其次，将实体嵌入拼接到每个词嵌入后面，采用一种全局信息门控机制，计算门控向量，实现词嵌入的实体语义强化；然后，对文本进行依存句法分析，获得依存句法树，构造出邻接矩阵、依赖类型矩阵和依赖方向矩阵，使用掩码自注意力求得注意力权重矩阵，进而在图注意力网络中对文本进行特征提取；最后，从图注意力网络的输出中，获取两个实体和句子的表征向量，经过多层感知机将该向量转换到分类空间，输入至分类器中完成关系分类。
📄 2022102815016
📂 G06F40_295
👤 河海大学
📅 2022-03-21
本发明公开了电网支路参数辨识技术领域的一种基于自适应多跳图注意力网络的电网支路参数辨识方法和系统，旨在解决现有电网支路参数辨识技术的优化问题。方法包括：搭建仿真电网，利用仿真电网进行仿真并记录各支路的量测数据，得到待辨识数据集；对待辨识数据集进行预处理，得到处理后数据集；根据仿真电网的拓扑结构构造邻接矩阵和多跳矩阵；将处理后数据集、邻接矩阵和多跳矩阵输入到训练好的电网支路参数辨识模型：根据处理后数据集、邻接矩阵和多跳矩阵，通过自适应多跳图注意力网络模块进行特征聚合，得到电网支路特征集合；利用SE注意力模块对电网支路特征集合进行加权后输入到多层全连接层进行回归，得到预测电网支路参数。
📄 2025108981742
📂 G06F30_27
👤 南京信息工程大学
📅 2025-07-01
柿子坊 · 知识产权运营
柿子坊知识产权运营平台