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： 据进行降噪并预测剩余寿命，通过美国国家航空航天局(NASA)的航空发动机仿真数据集验证了模型能达到91.3%的准确率；采用核主成分分析(KPCA)结合深度置信网络(DBN)的方法建立发动机气路健康监控模型

基于社交隐式模型的运输类飞机人员疏散轨迹预测

作者： 陈琨     李放     冯振宇     陈向明     段龙坤   来源： 交通运输工程学报 年份： 2024 文献类型 ： 期刊 关键词： 民用航空   深度学习   轨迹预测   应急撤离   社交隐式模型  

描述： 基于社交隐式模型的运输类飞机人员疏散轨迹预测

基于深度学习的智慧航空物流综合服务智能问答方法

作者： 章丰田   来源： 自动化应用 年份： 2024 文献类型 ： 期刊 关键词： 综合服务   智能问答   深度学习   航空物流   智慧航空  

描述： 基于深度学习的智慧航空物流综合服务智能问答方法

飞机装配过程错漏装检测技术研究进展

作者： 王振宇     张祥春     严佳     张晓庆     武湛君   来源： 无损检测 年份： 2024 文献类型 ： 期刊 关键词： 错漏装   机器视觉   深度学习   无损检测   模板匹配  

描述： 飞机装配过程错漏装检测技术研究进展

基于CNN-LSTM混合模型的民航非计划事件分析方法

作者： 王捷     周迪     左洪福     陆扬   来源： 计算机与数字工程 年份： 2024 文献类型 ： 期刊 关键词： 长短时记忆神经网络   卷积神经网络   深度学习   民航安全   文本分析  

描述： 安全是民航业的核心主题，非计划事件是辨识安全隐患、改善航空安全的重要信息来源。非计划事件的非结构化和数量庞大等特性使得人工分析变得困难且效率低下。为提高非计划事件的分析效率和精度，论文提出了一种基于CNN-LSTM的混合深度神经网络模型，用于民航非计划事件的自动化分析。并与SVM、CNN、LSTM等模型进行比较，在航空公司的事件日志样本数据集上进行训练并做出事件分类结果的判断。实验结果表明，所提出的CNN-LSTM混合模型具有最高的分类准确率，对于不平衡数据样本，具有最稳定的分类性能。