首页>
根据【关键词:卷积神经网络,危险源,机场风险管控,自然语言处理,效能评估】搜索到相关结果 159 条
-
基于可变形卷积神经网络的遥感图像飞机目标检测
-
作者:
李明阳
胡显
雷宏
来源:
国外电子测量技术
年份:
2021
文献类型 :
期刊
关键词:
卷积神经网络
遥感影像
可变形卷积
飞机检测
-
描述:
遥感图像中的飞机检测在民用和军事应用中都是一个重要且富有挑战性的任务。针对现有目标检测算法在复杂场景中旋转不变性差的问题,提出了一种多尺度可变形卷积神经网络用以检测飞机目标。该方法通过将可
-
基于可变形卷积神经网络的遥感图像飞机目标检测
-
作者:
李明阳
胡显
雷宏
来源:
国外电子测量技术
年份:
2021
文献类型 :
期刊
关键词:
卷积神经网络
遥感影像
可变形卷积
飞机检测
-
描述:
遥感图像中的飞机检测在民用和军事应用中都是一个重要且富有挑战性的任务。针对现有目标检测算法在复杂场景中旋转不变性差的问题,提出了一种多尺度可变形卷积神经网络用以检测飞机目标。该方法通过将可
-
基于优化CNN的航空液压管路卡箍故障诊断
-
作者:
窦金鑫
薛政坤
于晓光
范玉鑫
刘忠鑫
杨同光
来源:
机床与液压
年份:
2021
文献类型 :
期刊
关键词:
液压管路卡箍
卷积神经网络
故障诊断
优化变分模态分解
-
描述:
针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡
-
基于小样本多背景下的飞机图像识别研究
-
作者:
兰天
李博
杨敬宝
来源:
电脑编程技巧与维护
年份:
2021
文献类型 :
期刊
关键词:
HoG特征
卷积神经网络
飞机图像识别
-
描述:
网络进行微调、参数优化,而目前公开的飞机图像数据库十分有限,图像背景差异巨大,因此提出了一种基于小样本、多背景下使用卷积神经网络进行飞机图像识别的方法。
-
基于可变形卷积神经网络的遥感图像飞机目标检测
-
作者:
李明阳
胡显
雷宏
来源:
国外电子测量技术
年份:
2021
文献类型 :
期刊
关键词:
卷积神经网络
遥感影像
可变形卷积
飞机检测
-
描述:
遥感图像中的飞机检测在民用和军事应用中都是一个重要且富有挑战性的任务。针对现有目标检测算法在复杂场景中旋转不变性差的问题,提出了一种多尺度可变形卷积神经网络用以检测飞机目标。该方法通过将可
-
基于可变形卷积神经网络的遥感图像飞机目标检测
-
作者:
李明阳
胡显
雷宏
来源:
国外电子测量技术
年份:
2021
文献类型 :
期刊
关键词:
卷积神经网络
遥感影像
可变形卷积
飞机检测
-
描述:
遥感图像中的飞机检测在民用和军事应用中都是一个重要且富有挑战性的任务。针对现有目标检测算法在复杂场景中旋转不变性差的问题,提出了一种多尺度可变形卷积神经网络用以检测飞机目标。该方法通过将可
-
基于优化CNN的航空液压管路卡箍故障诊断
-
作者:
窦金鑫
薛政坤
于晓光
范玉鑫
刘忠鑫
杨同光
来源:
机床与液压
年份:
2021
文献类型 :
期刊
关键词:
液压管路卡箍
卷积神经网络
故障诊断
优化变分模态分解
-
描述:
针对航空发动机液压卡箍-管路系统具有高度复杂性,导致卡箍振动信号存在非线性、非平稳性,从而难以提取出卡箍故障状态有效信息的问题,提出一种基于优化变分模态分解(VMD)与卷积神经网络(CNN)的卡
-
基于CNN-Seq2Seq的航空发动机喘振诊断模型的研究
-
作者:
姚艳玲
袁化成
陆超
唐晓澜
黄爱华
来源:
测控技术
年份:
2022
文献类型 :
期刊
关键词:
序列到序列
卷积神经网络
故障诊断
发动机喘振
-
描述:
和价值。当前针对航空发动机喘振故障诊断的模型存在诊断时间长、诊断准确率不高的特点。为了解决这些问题,在序列到序列(Seq2Seq)模型的基础上,使用卷积神经网络(CNN)代替Seq2Seq中编码器
-
基于CNN-Seq2Seq的航空发动机喘振诊断模型的研究
-
作者:
姚艳玲
袁化成
陆超
唐晓澜
黄爱华
来源:
测控技术
年份:
2022
文献类型 :
期刊
关键词:
序列到序列
卷积神经网络
故障诊断
发动机喘振
-
描述:
和价值。当前针对航空发动机喘振故障诊断的模型存在诊断时间长、诊断准确率不高的特点。为了解决这些问题,在序列到序列(Seq2Seq)模型的基础上,使用卷积神经网络(CNN)代替Seq2Seq中编码器
-
基于CNN-Seq2Seq的航空发动机喘振诊断模型的研究
-
作者:
姚艳玲
袁化成
陆超
唐晓澜
黄爱华
来源:
测控技术
年份:
2022
文献类型 :
期刊
关键词:
序列到序列
卷积神经网络
故障诊断
发动机喘振
-
描述:
和价值。当前针对航空发动机喘振故障诊断的模型存在诊断时间长、诊断准确率不高的特点。为了解决这些问题,在序列到序列(Seq2Seq)模型的基础上,使用卷积神经网络(CNN)代替Seq2Seq中编码器
<
1
2
3
...
6
7
8
...
14
15
16
>