按文献类别分组
关键词
基于Siamese/BERT/wwm模型的航空安全事故因果事件的同指消解
作者: 王红   王阳   吴浩正   来源: 计算机应用与软件 年份: 2023 文献类型 : 期刊 关键词: 同指消解   航空安全事故   因果事件   BERT/wwm   孪生神经网络  
描述: 针对航空安全事故因果事件的抽取结果复杂难以快速确定事故发展过程的问题,提出一种将孪生神经网络(Siamese Network)与BERT/wwm模型相结合的因果事件同指消解方法。该方法在孪生神经网络中将事件句分别输入到相同权重的两个BERT/wwm模型,经平均池化得到句子级语义向量,再通过Softmax分类器进行同指判断并消解,在同指消解的基础上采用逆遍历去冗余,实现了航空安全事故因果链的构建。实验结果表明,该方法有效提高了航空安全事故因果关系的可解释性,为多事故的关联分析奠定了基础。
基于融合卷积Transformer的航空发动机故障诊断
作者: 赵洪利   杨佳强   来源: 北京航空航天大学学报 年份: 2023 文献类型 : 期刊 关键词: 自注意力机制   航空发动机   故障诊断   深度神经网络   融合卷积Transformer  
描述: 航空发动机长期处于恶劣的气路环境下工作会面临腐蚀、侵蚀等问题,且故障参数特征不明显,因此精准的航空发动机故障诊断方法对保证飞机安全运行具有重要意义。为提高预测准确性,提出了一种基于融合卷积Transformer的航空发动机故障诊断方法,利用自注意力机制提取有用特征,抑制冗余信息,并且将最大池化层(MaxPool)引入Transformer模型中,进一步降低模型内存消耗以及参数量,缓解过拟合现象。以基于GasTurb建模的涡扇发动机仿真数据集进行验证,结果与Transformer网络和其他传统深度学习模型反向传播神经网络(Back Propagation Neural Networks, BP网络)、卷积神经网络(Convolutional Neural Networks, CNN)和循环神经网络(Recurrent Neural Network, RNN)相比,准确率分别提高了6.552%、28.117%、13.189%和10.29%,证明了本文方法的有效性,可为航空发动机故障诊断提供一定的参考。
< 1
Rss订阅