全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于卷积神经网络的航空影像城市建筑物分割
- 作者： 刘蝶 来源： 地理空间信息 年份： 2020 文献类型 ： 期刊 关键词： 建筑物 卷积神经网络 DenseNets 上采样
- 描述： 对航空影像城市建筑物的分割方法进行了研究。基于DenseNets的密集连接结构,结合池化下采样和反卷积上采样方法,提出了一种新的图像语义分割方法。实验结果表明,新方法在模型参数大小、训练时间和平均交并比方面均优于Unet。预测图像更直观地体现了新方法的优势,城市建筑物分割得较为完整。
- 基于自适应粒子群优化的不平衡航空客户数据质量优化
- 作者： 姚雨虹 杨小兵 陈欣 来源： 厦门大学学报(自然科学版) 年份： 2020 文献类型 ： 期刊 关键词： 自适应粒子群 卷积神经网络 忠诚度预测 随机森林
- 描述： 多数类优化样本子集，使用卷积神经网络（CNN）提取得到的平衡数据集特征，将自动得到的特征向量作为随机森林算法（RF）的输入，构建客户忠诚度预测模型。实验结果表明，本文方法预测性能优于其他预测模型，可以更好地预测客户忠诚度情况。
- 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
- 基于卷积神经网络的航空零件去噪技术
- 作者： 赵安安 郑炜 郭俊刚 来源： 机械设计与制造工程 年份： 2023 文献类型 ： 期刊 关键词： 卷积神经网络 法线估计 计算机辅助设计 点云去噪
- 描述： 为去除在用三维激光扫描技术扫描航空零部件时，因扫描环境、设备等因素带来的大量零件点云噪声，提出基于卷积神经网络的航空零件去噪技术。首先应用经典卷积神经网络预测点云法线信息，然后以此进一步对点云进行位置更新，从而实现点云去噪。经实验证明，与目前的去噪方法相比，所提方法在去噪方面更具优越性。
- 基于深度卷积神经网络的航空器检测与识别
- 作者： 俞汝劼 杨贞 熊惠霖 来源： 计算机应用 年份： 2017 文献类型 ： 期刊 关键词： 卷积神经网络 深度学习 目标检测识别 航空器检测
- 描述： 突破,而基于卷积神经网络的航空器目标检测识别算法充分利用了计算硬件的优势,大大缩短了任务耗时。在符合应用场景的自采数据集上进行测试,所提算法目标检测实时性达到平均每张5.765 s,在召回率65.1
- 基于卷积神经网络的航空零件去噪技术
- 作者： 赵安安 郑炜 郭俊刚 来源： 机械设计与制造工程 年份： 2023 文献类型 ： 期刊 关键词： 卷积神经网络 法线估计 计算机辅助设计 点云去噪
- 描述： 为去除在用三维激光扫描技术扫描航空零部件时，因扫描环境、设备等因素带来的大量零件点云噪声，提出基于卷积神经网络的航空零件去噪技术。首先应用经典卷积神经网络预测点云法线信息，然后以此进一步对点云进行位置更新，从而实现点云去噪。经实验证明，与目前的去噪方法相比，所提方法在去噪方面更具优越性。
- 基于多变量多步CNN的航空发动机剩余寿命预测
- 作者： 曹越 来源： 航空计算技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 卷积神经网络 剩余寿命 端对端预测 状态参数
- 描述： 针对航空发动机状态参数多、非线性特征提取难、多环节剩余寿命预测累计误差高的痛点问题，提出多变量多步卷积神经网络用于航空发动机剩余寿命预测。将多状态参数对应的长时间序列作为输入样本，连续的剩余寿命值
- 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。