小波变换+Transformer：融合创新驱动多领域进步

2024发论文&模型涨点之——小波变换+Transformer

小波变换（Wavelet Transform, WT）和Transformer是两种强大的工具，它们在各自的领域内有着广泛的应用。小波变换是一种数学方法，用于分析信号的时间-频率特性，而Transformer则是一种深度学习模型，主要用于处理序列数据，特别是在自然语言处理（NLP）领域。将两者结合起来，可以创造出一些创新的应用。

将小波变换与 Transformer 结合，可以充分发挥两者的优势。小波变换可以对数据进行预处理，提取出更有效的特征，然后将这些特征输入到 Transformer 中进行进一步的处理和分析，从而提高模型的性能和准确性。

小编整理了一些小波变换+Transformer论文合集，论文原文+开源代码需要的同学关注“AI科研灵感”公号，那边回复“小波变换+Transformer”获取。

论文1：

A Novel Digital Directional Transformer Protection Technique Based on Wavelet Packet

一种基于小波包的新型数字方向性变压器保护技术

方法

变压器保护技术：提出了一种新型的数字变压器保护技术，该技术基于从故障电流信号和故障前电压信号中导出的方向量。

小波包变换：使用小波包变换（WPT）来更细致地表征信号内容，同时考虑时间和频率域。

模拟测试：使用Alternative Transient Program/Electromagnetic Transient Program (ATP/EMTP)模拟11/132-kV变压器连接到132-kV电力系统