首页>
根据【关键词:卷积神经网络,长短时记忆网络,不平衡数据学习,时间序列数据预测,时间序列数据异常检测】搜索到相关结果 60 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
-
基于卷积神经网络的遥感图像飞机目标识别
-
作者:
晁安娜
刘坤
来源:
微型机与应用
年份:
2018
文献类型 :
期刊
关键词:
遥感图像
卷积神经网络
飞机识别
深度学习
-
描述:
遥感图像的识别技术一直被广泛运用于民用和军事领域。针对采集到的遥感飞机图像存在大量干扰,如遮挡、噪声、视角变化等因素,提出一种改进的基于卷积神经网络的遥感图像目标识别算法。在复杂环境下,运用
-
航空轮胎有限元分析
-
作者:
刘坤
苏彤
王典
来源:
激光与光电子学进展
年份:
2018
文献类型 :
期刊
关键词:
卷积神经网络
深度学习
模糊不变
目标识别
-
描述:
由于采集、运动以及聚焦等导致的目标模糊是目标识别率偏低的一个主要问题,因此本文提出一种基于模糊不变卷积神经网络模型BICNN(Blur-Invariant Convolutional Neural
-
基于改进候选区域网络的红外飞机检测
-
作者:
姜晓伟
王春平
付强
来源:
激光与红外
年份:
2019
文献类型 :
期刊
关键词:
聚类
红外飞机
卷积神经网络
目标检测
-
描述:
为较好地解决防空武器成像系统对空中红外飞机的检测问题。首先简要地概括了卷积神经网络的兴起和应用,其次在引入基于深度学习的目标检测模型Faster R-CNN的基础上,详细地介绍了经典K-means
-
卷积神经网络及其在航空视觉任务中的应用展望
-
作者:
漆昇翔
裘旭益
张伟
来源:
航空电子技术
年份:
2019
文献类型 :
期刊
关键词:
卷积神经网络
计算机视觉
深度学习
航空航天
-
描述:
从卷积神经网络的基本理论出发,介绍了几种经典卷积网络结构,并结合当前卷积神经网络在计算机视觉领域的应用现状,重点探讨了它在未来航空视觉相关任务系统中的应用前景,以及实施这些技术必须解决的若干问题,为未来航空装备智能化水平的进一步提升提供参考。
-
基于维修日志的飞机设备故障原因判别方法
-
作者:
王锐光
吴际
刘超
杨海燕
来源:
软件学报
年份:
2019
文献类型 :
期刊
关键词:
维修日志
卷积神经网络
故障诊断
随机森林
-
描述:
的故障诊断基本过程;其次,在传统的文本特征提取技术的基础上,基于领域内信息,提出一种基于卷积神经网络(convolution neural network,简称CNN)的小样本文本特征提取方法,在样本量较少
-
基于维修日志的飞机设备故障原因判别方法
-
作者:
王锐光
吴际
刘超
杨海燕
来源:
软件学报
年份:
2019
文献类型 :
期刊
关键词:
维修日志
卷积神经网络
故障诊断
随机森林
-
描述:
的故障诊断基本过程;其次,在传统的文本特征提取技术的基础上,基于领域内信息,提出一种基于卷积神经网络(convolution neural network,简称CNN)的小样本文本特征提取方法,在样本量较少