按文献类别分组
按栏目分组
关键词
一种高效的高分辨率遥感影像飞机目标检测方法
作者: 刘媛   姚剑   冯辰   来源: 测绘地理信息 年份: 2020 文献类型 : 期刊 关键词: 高分辨率遥感影像   直线概率图   深度学习   飞机检测   显著性  
描述: 一种高效的高分辨率遥感影像飞机目标检测方法
某型军用飞机下降阶段燃油消耗模型研究
作者: 吴祯涛   李学仁   杜军   来源: 信号处理 年份: 2020 文献类型 : 期刊 关键词: 互信息   长短期记忆网络   飞参数据   深度学习   燃油消耗  
描述: 某型军用飞机下降阶段燃油消耗模型研究
遥感图像飞机目标分类的卷积神经网络方法
作者: 周敏   史振威   丁火平   来源: 中国图象图形学报 年份: 2017 文献类型 : 期刊 关键词: 卷积神经网络   深度学习   可见光遥感   飞机   分类  
描述: 飞机目标分类问题。方法在缺乏公开数据集的情况下,收集了真实可见光遥感图像中的8种飞机数据,按大致4∶1的比例分为训练集和测试集,并对训练集进行合理扩充。然后针对遥感图像与飞机分类的特殊性,结合深度学习
基于深度学习的航空发动机传感器故障检测
作者: 刘云龙   谢寿生   郑晓飞   边涛   来源: 传感器与微系统 年份: 2018 文献类型 : 期刊 关键词: 飞参数据   深度学习   故障检测   深度置信网络   航空发动机传感器  
描述: 针对传统反向传播(BP)神经网络和支持向量机(SVM)存在的过拟合、维数灾难、参数选择困难等问题,提出了一种基于深度学习算法的航空发动机传感器故障检测方法。对发动机参数记录仪采集的多维数据进行预处理
基于深度学习的航空铆钉分类及异常情况检测
作者: 夏正洪   何琥   吴建军   魏汝祥   来源: 中国安全生产科学技术 年份: 2023 文献类型 : 期刊 关键词: 召回率   精确率   深度学习   目标检测   航空铆钉  
描述: 针对航空铆钉小目标检测准确率较低、速率较慢等问题,提出1种基于深度学习的航空铆钉分类及异常情况检测方法。首先,根据钉头外观对航空铆钉进行分类,制作航空铆钉数据集;然后,构建航空铆钉分类及异常情况检测
航空装配领域中命名实体识别的持续学习框架
作者: 刘沛丰   钱璐   赵兴炜   陶波   来源: 浙江大学学报(工学版) 年份: 2023 文献类型 : 期刊 关键词: 航空装配   深度学习   智能制造   命名实体识别   持续学习  
描述: 框架在正确率、召回率、F1值上均显著优于以往算法,所提框架可以为航空装配领域命名实体识别任务持续提供可信的结果.
高分辨率航空遥感图像的建筑物识别
作者: 王玉琴   尤静静   蔡世鑫   来源: 北京测绘 年份: 2023 文献类型 : 期刊 关键词: 遥感图像   RCNN)模型   快速区域卷积神经网络(Faster   建筑物识别   深度学习  
描述: 目前深度学习方法的研究已在语音辨别、图像识别、信息检索等方面取得较大成果。建筑物的自动检测与识别已成为遥感图像处理范畴研究的热点。针对高分辨率航空遥感影像中的建筑物快速、精准识别的应用问题,文章提出
航空发动机状态监控和预测性维护应用研究
作者: 廖鹏程   李昂   王骁   来源: 测控技术 年份: 2023 文献类型 : 期刊 关键词: 特征提取   深度学习   健康管理   剩余寿命预测   故障预测  
描述: ,经过大量QAR数据验证和测试,预测相对误差为0.43%。针对基于数据挖掘的航空发动机故障诊断算法开展研究,设计了相应的算法,开展了实验验证,通过有效的数据预处理和模型参数调节,使得故障诊断性能达到较高水准,为航空发动机的预测性维护提供了重要参考。
基于深度学习的航空发动机磨损部位识别方法
作者: 苗慧慧   曹桂松   孙智君   康玉祥   马佳丽   陈果   来源: 润滑与密封 年份: 2023 文献类型 : 期刊 关键词: 航空发动机   一维卷积残差网络   能谱分析   深度学习   磨损  
描述: 针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多,靠人工经验难于进行磨损部位精确识别的问题,提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元
基于时空特征的航空发动机剩余使用寿命预测
作者: 徐震震     薛林     马凯     杨玉迪   来源: 电子测量技术 年份: 2023 文献类型 : 期刊 关键词: 航空发动机   深度学习   时间特征   剩余寿命预测   空间特征  
描述: 提出了一种时空特征融合的网络模型,利用图卷积神经网络和长短时记忆网络分别提取空间特征和时间特征,运用并行结构将时间特征与空间特征融合。在CMAPSS数据集上进行验证,子数据集FD001的RMSE为12.81,Score为252.04,实验结果表明,该方法相对于其他预测方法,预测精度更高。
< 1 2 3 ... 23 24 25 ... 37 38 39
Rss订阅