Indeks zdravlja transformatora (HI) moćan je alat za kvantificiranje ukupnog zdravlja energetskog transformatora, zbog činjenice da procjenjuje njegovo stanje na temelju različitih kriterija koji su povezani (često na složene načine) s dugoročnim faktorima degradacije koji kumulativno dovesti do njegovog kraja životnog vijeka. Nekoliko je autora predložilo različite pristupe izračunu HI, npr. analitičke izraze, binarnu logističku regresiju, neizrazite logičke modele, strojeve za potporne vektore i umjetne neuronske mreže. Ovaj rad predlaže korištenje Bayesovog "Wide & Deep" modela strojnog učenja za izračun HI, gdje je široki dio modela Bayesova uređena robusna "probit" regresija, dok je duboki dio Bayesova umjetna neuronska mreža. Oba dijela modela obučavaju se istovremeno unutar Bayesove postavke, koristeći takozvani proces "zajedničkog učenja" s Monte Carlo algoritmom Markovljevog lanca. Model je prikazan korištenjem stvarnih podataka transformatora.