[发明专利]多模态电力传感器的数据处理方法、装置和计算机设备

说明书

本申请涉及一种多模态电力传感器的数据处理方法、装置、计算机设备、存储介质和计算机程序产品。通过获取设置在待处理设备中的多模态电力传感器发送的采集数据，将该采集数据输入目标对抗网络模型的编码器，获取编码器输出的采集数据对应的本征向量，并将本征向量输入目标对抗网络模型的解码器，获取解码器输出的采集数据对应的复原数据，根据复原数据对待处理设备进行数据分析。相较于传统的通过合成较短时间长度的传感器数据进行数据处理，本方案通过利用目标对抗网络模型对多模态电力传感器采集的数据进行数据特征提取以及数据复原，从而可以基于复原的数据对待处理设备进行数据分析，实现提高数据多样性的效果。

技术领域

本申请涉及信息处理技术领域，特别是涉及一种多模态电力传感器的数据处理方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

近年来随着深度学习技术的发展，生成对抗网络(GANs)作为一种训练生成模型的框架，在图像样本合成领域取得了众多令人瞩目的成果，目前已经越来越受研究人员的关注，被广泛应用于其他各个领域，如视频合成、音乐合成、文本生成、自然语言合成、异常检测等。

同时，目前多数研究也仅能通过合成较短时间长度的传感器数据，如几十个样本点或几百个样本点的传感器时间序列样本。但是通过该方式生成的网络进行传感器数据处理，由于传感器序列样本时间较短，不能完全表征感知对象的实际状态。

因此，目前的电力传感器数据处理方法存在数据多样性低的缺陷。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高数据多样性的多模态电力传感器的数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种多模态电力传感器的数据处理方法，所述方法包括：

获取多模态电力传感器发送的采集数据；所述多模态电力传感器设置在待处理设备中；

将所述采集数据输入目标对抗网络模型的编码器，获取所述编码器输出的所述采集数据对应的本征向量；所述目标对抗网络模型基于样本采集数据对待训练对抗网络模型中的生成器和判别器训练得到；

将所述本征向量输入所述目标对抗网络模型的解码器，获取所述解码器输出的所述采集数据对应的复原数据，根据所述复原数据对所述待处理设备进行数据分析。

在其中一个实施例中，所述方法还包括：

获取训练数据集，并对所述训练数据集中多模态电力传感器对应的训练数据进行预处理，得到所述样本采集数据；

将所述样本采集数据输入待训练对抗网络模型；所述待训练对抗网络模型中包括查询卷积层、键值卷积层以及价值卷积层；

通过所述查询卷积层获取所述样本采集数据对应的查询向量、通过所述键值卷积层获取所述样本采集数据对应的键值向量，以及通过所述价值卷积层获取所述样本采集数据对应的价值向量；

根据所述查询向量、所述键值向量以及所述价值向量，获取所述样本采集数据对应的真实本征向量；

获取所述样本采集数据的类别向量以及随机噪声数据，将所述类别向量和所述随机噪声数据输入所述待训练对抗网络模型中的生成器，获取所述生成器输出的合成本征向量；

将所述真实本征向量和所述合成本征向量输入所述待训练对抗网络模型中的判别器，获取所述判别器输出的判别结果；

将所述判别结果输入预设损失函数，检测所述预设损失函数的输出值是否小于预设数值；

若否，根据所述输出值调整所述待训练对抗网络模型，并返回将所述样本采集数据输入待训练对抗网络模型的步骤；

若是，将当前待训练对抗网络模型作为目标对抗网络模型。