基于航空安全事件的知识图谱推理关键技术研究

作者： 卢浩文.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 集成学习   卷积神经网络   航空安全事件   知识图谱   链接预测  

描述： 基于航空安全事件的知识图谱推理关键技术研究

基于航空安全事件的知识图谱推理关键技术研究

作者： 卢浩文.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 集成学习   卷积神经网络   航空安全事件   知识图谱   链接预测  

描述： 基于航空安全事件的知识图谱推理关键技术研究

基于航空安全事件的知识图谱推理关键技术研究

作者： 卢浩文.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 集成学习   卷积神经网络   航空安全事件   知识图谱   链接预测  

描述： 基于航空安全事件的知识图谱推理关键技术研究

基于航空安全事件的知识图谱推理关键技术研究

作者： 卢浩文.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 集成学习   卷积神经网络   航空安全事件   知识图谱   链接预测  

描述： 基于航空安全事件的知识图谱推理关键技术研究

基于航空安全事件的知识图谱推理关键技术研究

作者： 卢浩文.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 集成学习   卷积神经网络   航空安全事件   知识图谱   链接预测  

描述： 基于航空安全事件的知识图谱推理关键技术研究

基于航空安全事件的知识图谱推理关键技术研究

作者： 卢浩文.   来源： 中国民用航空飞行学院 年份： 2023 文献类型 ： 学位论文 关键词： 集成学习   卷积神经网络   航空安全事件   知识图谱   链接预测  

描述： 基于航空安全事件的知识图谱推理关键技术研究

混合注意力特征增强的航空图像目标检测

作者： 管文青     周世斌     张国鹏   来源： 计算机工程与应用 年份： 2024 文献类型 ： 期刊 关键词： 航空图像   旋转目标检测   注意力机制   Transformer  

描述： DOTA航空数据集上对HA-Net进行评估，在单尺度和多尺度测试上评估指标mAP分别达到77.04%和78.28%，较基准网络，mAP分别提升了2.38个百分点和3.62个百分点。在HRSC2016数据集上mAP达到89.95%。实验结果的提升证明了HA-Net在航空图像目标检测中的有效性。

基于Transformer的多特征融合的航空发动机剩余使用寿命预测

作者： 马依琳   陶慧玲   董启文   王晔   来源： 华东师范大学学报(自然科学版) 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   Transformer   深度学习   剩余使用寿命  

描述： 发动机作为飞机的核心部件,对飞机运行起着至关重要的作用.对航空发动机做准确的剩余使用寿命预测,能够提前进行维护诊断,预防重大事故的发生,节约维护成本.针对现有的方法缺乏对不同时间步长的考虑以及不同传感器和操作条件之间关系的研究,提出了一种基于Transformer的多编码器特征输出融合的航空发动机剩余使用寿命预测方法.该方法选取两个不同时间长度的输入数据,使用排列熵对传感器之间的关系进行分析,并将操作条件数据独立提取特征.在广泛使用的航空发动机CMAPSS(Commercial Modular Aero-Propulsion System Simulation)数据集上进行了实验验证.实验结果表明,该方法优于现有的先进预测方法,可有效提高预测精度.

基于Transformer的航空目标检测算法

作者： 季长清   高志勇   秦静   汪祖民   来源： 无线电工程 年份： 2023 文献类型 ： 期刊 关键词： 倾斜目标   Transformer   深度学习   航空检测  

描述： ；最后针对倾斜目标检测的问题，通过边界框边缘感知向量表示任意角度的倾斜目标。在DOTA 1.0和SSDD+数据集上的部分测试结果表明，此方法的平均精度分别为72.39%和79.98%，证明了TF-BBAVectors模型算法的有效性。

基于Transformer的多特征融合的航空发动机剩余使用寿命预测

作者： 马依琳   陶慧玲   董启文   王晔   来源： 华东师范大学学报(自然科学版) 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   Transformer   深度学习   剩余使用寿命  

描述： 发动机作为飞机的核心部件,对飞机运行起着至关重要的作用.对航空发动机做准确的剩余使用寿命预测,能够提前进行维护诊断,预防重大事故的发生,节约维护成本.针对现有的方法缺乏对不同时间步长的考虑以及不同传感器和操作条件之间关系的研究,提出了一种基于Transformer的多编码器特征输出融合的航空发动机剩余使用寿命预测方法.该方法选取两个不同时间长度的输入数据,使用排列熵对传感器之间的关系进行分析,并将操作条件数据独立提取特征.在广泛使用的航空发动机CMAPSS(Commercial Modular Aero-Propulsion System Simulation)数据集上进行了实验验证.实验结果表明,该方法优于现有的先进预测方法,可有效提高预测精度.