全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
- 基于LSTM的航空发动机电气附件性能预测
- 作者： 罗贤峰 何宇 刘仲富 余振源 窦宇骁 孙兆荣 来源： 科技创新与应用 年份： 2022 文献类型 ： 期刊 关键词： 静态测试 长短期记忆神经网络 性能预测 发动机电气附件
- 描述： 电气附件是航空发动机重要组成部分，包括电磁活门、作动器、传感器等，其结构复杂，种类庞多，还因振动、疲劳、应力等原因性能衰减，导致信号错误或控制失灵，严重时造成发动机空中停车，直接影响到飞机飞行安全。对此设计开发一套发动机电气附件性能预测系统，通过长短期记忆神经网络（Long Short-Term Memory Network,LSTM）构建基于数据驱动的电气附件静态性能预测模型，通过机器的训练与学习，预测分析电气附件的性能衰减状况，为发动机的维修提供有力的技术支持。
- 民航突发事件实体识别方法研究
- 作者： 王红 李浩飞 邸帅 来源： 计算机应用与软件 年份： 2021 文献类型 ： 期刊 关键词： 长短期记忆神经网络 条件随机场 实体识别 知识图谱 民航突发事件
- 描述： 针对民航突发事件实体自动获取的问题,提出一种将双向长短期记忆网络(BiLSTM)与条件随机场(CRF)结合的民航突发事件实体识别方法。利用领域词典对民航突发事件实体进行自动标注,并将已标注的数据转化为分布式字符向量;采用BiLSTM模型获取序列文本的上下文特征;通过CRF模型获得序列标注结果。实验结果表明,与传统的CRF方法相比,该方法的F值有明显的提升,有效解决了传统方法在识别民航突发事件文本信息中包含复合实体或混合实体方面效率低且大量使用人工定义特征模板的问题,为民航突发事件知识图谱的自动构建提供了更好的方法支撑。
- 民航突发事件实体识别方法研究
- 作者： 王红 李浩飞 邸帅 来源： 计算机应用与软件 年份： 2020 文献类型 ： 期刊 关键词： 长短期记忆神经网络 条件随机场 实体识别 知识图谱 民航突发事件
- 描述： 针对民航突发事件实体自动获取的问题,提出一种将双向长短期记忆网络(BiLSTM)与条件随机场(CRF)结合的民航突发事件实体识别方法。利用领域词典对民航突发事件实体进行自动标注,并将已标注的数据转化为分布式字符向量;采用BiLSTM模型获取序列文本的上下文特征;通过CRF模型获得序列标注结果。实验结果表明,与传统的CRF方法相比,该方法的F值有明显的提升,有效解决了传统方法在识别民航突发事件文本信息中包含复合实体或混合实体方面效率低且大量使用人工定义特征模板的问题,为民航突发事件知识图谱的自动构建提供了更好的方法支撑。