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。

基于深度学习的航空高光谱蚀变矿物识别技术研究

作者： 易敏   来源： 核工业北京地质研究院 年份： 2022 文献类型 ： 学位论文 关键词： 空间信息   蚀变矿物填图   深度学习   航空高光谱  

描述： 基于深度学习的航空高光谱蚀变矿物识别技术研究

面向航空管制的轻量化语音增强算法研究与实现

作者： 吕忆蓝   来源： 电子科技大学 年份： 2022 文献类型 ： 学位论文 关键词： 语音增强   噪声自适应   轻量级卷积神经网络   深度学习  

描述： 面向航空管制的轻量化语音增强算法研究与实现

基于深度学习的航空遥感图像目标检测算法研究

作者： 常洪彬   来源： 吉林大学 年份： 2022 文献类型 ： 学位论文 关键词： 遥感图像   注意力机制   深度学习   目标检测  

描述： 基于深度学习的航空遥感图像目标检测算法研究

基于CenterNet的航空遥感图像目标检测

作者： 杨曦中   高冠鸿   熊智   张玲   来源： 航空电子技术 年份： 2022 文献类型 ： 期刊 关键词： 目标检测   深度学习   神经网络   CenterNet  

描述： 为实现高精度的航空图像目标检测，将Anchor free的目标检测算法CenterNet应用到检测中，同时使用Resnet50主干网络，并引入CIoU损失替代原有损失函数对网络模型做出了改进。改进后的算法在RSOD与DIOR数据集上进行测试，结果显示在保证网络轻量化的前提下检测精度有明显的提高，证明了算法在航空目标检测方面的可行性与准确性。

基于深度学习的航空器场面轨迹预测

作者： 李雪   何元清   胡耀   来源： 现代计算机 年份： 2022 文献类型 ： 期刊 关键词： 长短期记忆网络   深度学习   轨迹预测  

描述： 轨迹预测研究是安全高效控制场面滑行的重要基础，在路由规划，风险预警，航班次序，重要节点的时间安排等都能起到重要作用。利用深度学习中循环神经网络的长期记忆性特点，对航空器场面历史数据进行分析和预处理，设定网络模型参数，构建轨迹预测模型，提出了一种基于深度学习的航空器场面滑行轨迹预测方法。结合场面航空器运动状态的变化，改进长短期记忆网络的隐藏层结构，实现对航空器场面轨迹的中期预测。

通用航空训练飞行发动机数据异常检测初探

作者： 王翔   来源： 内燃机与配件 年份： 2022 文献类型 ： 期刊 关键词： 深度学习   训练飞行   异常检测  

描述： 大型运输机发动机的健康管理研究较为广泛,相对于运输航空,针对通用航空领域以训练飞行为主的小型教练机发动机的异常检测技术还不够成熟。训练飞行具有飞行模式固定,起降频次较高,信息数据结构简单的特点,更适合引入深度学习对其进行建模分析。本文归纳了当前主流的几种深度异常检测模型,从原理、计算复杂度和优缺点三个角度进行分析。为通用航空训练飞行的教练机发动机的异常检测研究提供可行的研究思路。

通用航空训练飞行发动机数据异常检测初探

作者： 王翔   来源： 内燃机与配件 年份： 2022 文献类型 ： 期刊 关键词： 深度学习   训练飞行   异常检测  

描述： 大型运输机发动机的健康管理研究较为广泛,相对于运输航空,针对通用航空领域以训练飞行为主的小型教练机发动机的异常检测技术还不够成熟。训练飞行具有飞行模式固定,起降频次较高,信息数据结构简单的特点,更适合引入深度学习对其进行建模分析。本文归纳了当前主流的几种深度异常检测模型,从原理、计算复杂度和优缺点三个角度进行分析。为通用航空训练飞行的教练机发动机的异常检测研究提供可行的研究思路。

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.