针对故障样本类别不平衡与小样本场景，通过多注意力卷积网络与长短期记忆结构提升输电线路故障类型和原因的分类准确率。
吴昊 · 王健 · Nan, Dongliang · Qiushi, Cui · Ouyang, Jinxin
Measurement: Journal of the International Measurement Confederation 2023
MCNN-LSTM能够处理故障样本类别不平衡问题，在训练集各类别样本数量差异较大时依然提高识别准确率。
该方法在迁移到小规模故障样本时表现出较强的适应性，减少了对大量标注数据的依赖。
采用暂态波形图像作为输入，并设计多注意力卷积神经网络考虑电气信号间的交互，提升特征提取能力。