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
- 基于多任务学习图卷积模型的航空网络节点分类
- 作者： 樊成 王布宏 田继伟 来源： 系统工程与电子技术 年份： 2022 文献类型 ： 期刊 关键词： 图神经网络 节点分类 多任务学习 航空网络
- 描述： 准确识别航空网络关键节点，做好针对性防护，对于保证航空网络正常运行至关重要。传统的方法，如基于复杂网络中心性指标的方法，或基于机器学习的算法，只单一考虑网络结构或节点特征来评价节点的重要性。然而评价节点的重要性应该同时考虑网络结构特征和节点特征。为解决上述问题，本文提出了一种名为多任务图卷积网络(multi tasks graph convolution network, MTGCN)航空网络节点分类模型，该模型在图卷积网络的基础上，引入多任务学习及自适应加权策略，将“节点—节点相关性”作为辅助任务加入模型的训练过程中，并根据训练情况自适应分配各任务权重。3个不同规模的航空网络数据集中的仿真实验表明本文所提模型的性能优于现有的图卷积模型，为图卷积在航空网络节点分类方向的应用提供了思路。
- 基于多任务学习图卷积模型的航空网络节点分类
- 作者： 樊成 王布宏 田继伟 来源： 系统工程与电子技术 年份： 2022 文献类型 ： 期刊 关键词： 图神经网络 节点分类 多任务学习 航空网络
- 描述： 准确识别航空网络关键节点，做好针对性防护，对于保证航空网络正常运行至关重要。传统的方法，如基于复杂网络中心性指标的方法，或基于机器学习的算法，只单一考虑网络结构或节点特征来评价节点的重要性。然而评价节点的重要性应该同时考虑网络结构特征和节点特征。为解决上述问题，本文提出了一种名为多任务图卷积网络(multi tasks graph convolution network, MTGCN)航空网络节点分类模型，该模型在图卷积网络的基础上，引入多任务学习及自适应加权策略，将“节点—节点相关性”作为辅助任务加入模型的训练过程中，并根据训练情况自适应分配各任务权重。3个不同规模的航空网络数据集中的仿真实验表明本文所提模型的性能优于现有的图卷积模型，为图卷积在航空网络节点分类方向的应用提供了思路。
- 基于多任务学习图卷积模型的航空网络节点分类
- 作者： 樊成 王布宏 田继伟 来源： 系统工程与电子技术 年份： 2022 文献类型 ： 期刊 关键词： 图神经网络 节点分类 多任务学习 航空网络
- 描述： 准确识别航空网络关键节点，做好针对性防护，对于保证航空网络正常运行至关重要。传统的方法，如基于复杂网络中心性指标的方法，或基于机器学习的算法，只单一考虑网络结构或节点特征来评价节点的重要性。然而评价节点的重要性应该同时考虑网络结构特征和节点特征。为解决上述问题，本文提出了一种名为多任务图卷积网络(multi tasks graph convolution network, MTGCN)航空网络节点分类模型，该模型在图卷积网络的基础上，引入多任务学习及自适应加权策略，将“节点—节点相关性”作为辅助任务加入模型的训练过程中，并根据训练情况自适应分配各任务权重。3个不同规模的航空网络数据集中的仿真实验表明本文所提模型的性能优于现有的图卷积模型，为图卷积在航空网络节点分类方向的应用提供了思路。
- 基于多任务学习图卷积模型的航空网络节点分类
- 作者： 樊成 王布宏 田继伟 来源： 系统工程与电子技术 年份： 2022 文献类型 ： 期刊 关键词： 图神经网络 节点分类 多任务学习 航空网络
- 描述： 准确识别航空网络关键节点，做好针对性防护，对于保证航空网络正常运行至关重要。传统的方法，如基于复杂网络中心性指标的方法，或基于机器学习的算法，只单一考虑网络结构或节点特征来评价节点的重要性。然而评价节点的重要性应该同时考虑网络结构特征和节点特征。为解决上述问题，本文提出了一种名为多任务图卷积网络(multi tasks graph convolution network, MTGCN)航空网络节点分类模型，该模型在图卷积网络的基础上，引入多任务学习及自适应加权策略，将“节点—节点相关性”作为辅助任务加入模型的训练过程中，并根据训练情况自适应分配各任务权重。3个不同规模的航空网络数据集中的仿真实验表明本文所提模型的性能优于现有的图卷积模型，为图卷积在航空网络节点分类方向的应用提供了思路。
- 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.