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
- 基于深度学习的飞行器遥测时间序列数据异常检测与预测方法研究
- 作者： 胡姣姣 来源： 西安理工大学 年份： 2019 文献类型 ： 学位论文 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
- 描述： 基于深度学习的飞行器遥测时间序列数据异常检测与预测方法研究
- 基于脑电功率图谱的飞行员疲劳状态识别
- 作者： 储银雪 来源： 上海交通大学 年份： 2019 文献类型 ： 学位论文 关键词： 卷积神经网络 长短时记忆网络 深度收缩稀疏自编码络 疲劳状态识别 脑功率图谱
- 描述： 基于脑电功率图谱的飞行员疲劳状态识别
- 基于机器学习的航空收益管理需求预测算法的研究与实现
- 作者： 孙卫卫 来源： 山东大学 年份： 2019 文献类型 ： 学位论文 关键词： 增量模型 长短时记忆网络 机器学习 需求预测
- 描述： 基于机器学习的航空收益管理需求预测算法的研究与实现
- 基于改进差分时域特征和深度学习优化的航空发动机剩余寿命预测算法
- 作者： 高峰 曲建岭 袁涛 高峰娟 来源： 电子测量与仪器学报 年份： 2019 文献类型 ： 期刊 关键词： 航空发动机 长短时记忆网络 寿命预测 深度学习 差分时域特征
- 描述： 实现航空发动机剩余寿命的准确预测对于保证飞行安全和提高维修效率具有重要意义,但现有的预测算法往往只是浅层结构,且对各传感器参数之间的相互关系缺乏关联性考虑,限制了对发动机参数信息的深度挖掘。在深度学习理论的基础上,着重考虑不同传感器之间的参数关系,引入差分时域特征扩充特征集,构建了基于长短时记忆网络的寿命预测模型DTF-LSTM。在C-MAPSS数据集上的实验结果表明,该算法相较于其他深度学习算法具有更低的均方根误差(RMSE)值,可以有效实现发动机剩余寿命预测。
- 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： 在飞机维修与保养过程中,航空维修公司已积累了大量经验性的维修日志数据.合理利用该类维修日志,结合机器学习方法,可以辅助维修人员做出正确的故障诊断决策.首先,针对维修日志的特殊性,提出一种迭代式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,在样本量较少的情况下,利用预测目标将字向量作为输入,得到更为充分的文本特征;最后,使用随机森林(randomforest,简称RF)模型,结合其他故障特征判别飞机设备的故障原因.卷积神经网络以故障原因为目标,预先对故障现象中的字向量进行训练,从而得到更能反映该领域的文本特征.与其他文本特征提取方法相比,该类方法在小样本数据上得到了更好的效果.同时,将卷积神经网络与随机森林模型应用于飞机设备的故障原因判别,并与其他文本特征提取方式和机器学习预测模型进行对比,说明了该类文本特征提取方式和故障原因判别方法的合理性和必要性.
- 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： 在飞机维修与保养过程中,航空维修公司已积累了大量经验性的维修日志数据.合理利用该类维修日志,结合机器学习方法,可以辅助维修人员做出正确的故障诊断决策.首先,针对维修日志的特殊性,提出一种迭代式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,在样本量较少的情况下,利用预测目标将字向量作为输入,得到更为充分的文本特征;最后,使用随机森林(randomforest,简称RF)模型,结合其他故障特征判别飞机设备的故障原因.卷积神经网络以故障原因为目标,预先对故障现象中的字向量进行训练,从而得到更能反映该领域的文本特征.与其他文本特征提取方法相比,该类方法在小样本数据上得到了更好的效果.同时,将卷积神经网络与随机森林模型应用于飞机设备的故障原因判别,并与其他文本特征提取方式和机器学习预测模型进行对比,说明了该类文本特征提取方式和故障原因判别方法的合理性和必要性.
- 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聚类算法的工作原理、实现流程、存在的弊端以及该算法的主要改进手段,并利用K-means聚类算法对Faster R-CNN锚点框的生成方式进行了改进。最后在CAFFE框架平台下进行了多次仿真实验,测试集来源于自建的专用于空中红外飞机检测任务的数据集,实验结果表明本文采用的改进手段可以在保证较高平均准确率AP的同时提高检测速度,并且给出了最适用于本文自建数据集利用聚类算法的k值。
- 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。