首页>
根据【关键词:注意力机制,时间序列预测,LSTM,多任务学习,推力估计,迁移学习】搜索到相关结果 323 条
-
疲劳约束下航空发动机涡轮盘结构优化设计
-
作者:
黄协思
来源:
电子科技大学
年份:
2020
文献类型 :
学位论文
关键词:
双向渐进结构优化
蠕变
不确定性
高压涡轮盘
迁移学习
拓扑优化
疲劳
-
描述:
疲劳约束下航空发动机涡轮盘结构优化设计
-
基于深度特征的民航发动机气路异常检测方法研究
-
作者:
罗辉
来源:
哈尔滨工业大学
年份:
2020
文献类型 :
学位论文
关键词:
民航发动机
气路异常检测
领域自适应
深度特征
深度学习
迁移学习
-
描述:
基于深度特征的民航发动机气路异常检测方法研究
-
面向航空公司的航线客流量预测方法研究
-
作者:
孙媛媛
来源:
中国民航大学
年份:
2019
文献类型 :
学位论文
关键词:
BP神经网络
航线网络
特征分析
平均折扣率
迁移学习
航线客流量预测
不同时段
-
描述:
面向航空公司的航线客流量预测方法研究
-
疲劳约束下航空发动机涡轮盘结构优化设计
-
作者:
黄协思
来源:
电子科技大学
年份:
2020
文献类型 :
学位论文
关键词:
双向渐进结构优化
蠕变
不确定性
高压涡轮盘
迁移学习
拓扑优化
疲劳
-
描述:
疲劳约束下航空发动机涡轮盘结构优化设计
-
基于深度特征的民航发动机气路异常检测方法研究
-
作者:
罗辉
来源:
哈尔滨工业大学
年份:
2020
文献类型 :
学位论文
关键词:
民航发动机
气路异常检测
领域自适应
深度特征
深度学习
迁移学习
-
描述:
基于深度特征的民航发动机气路异常检测方法研究
-
基于注意力金字塔网络的航空影像建筑物变化检测
-
作者:
田青林
秦凯
陈俊
李瑶
陈雪娇
来源:
光学学报
年份:
2021
文献类型 :
期刊
关键词:
注意力机制
图像处理
变化检测
空洞卷积
特征金字塔
-
描述:
提取特征,并在部分残差模块应用空洞卷积增大感受野,同时将金字塔池化结构作为编码网络的最后一层,以提取图像多尺度特征;在解码阶段的横向连接过程中引入注意力机制以突出重要特征,并采用自上而下的密集连接方式
-
基于改进的SENet航空发动机振动预测
-
作者:
夏存江
詹于游
来源:
航空动力学报
年份:
2022
文献类型 :
期刊
关键词:
数据驱动
注意力机制
卷积神经网络
多参数融合
振动预测
-
描述:
为实时监测和预警航空发动机振动状态,基于气路及振动参数,提出一种使用改进的SENet(squeeze-and-excitation network)模型,对航空发动机近未来的振动进行预测。该研究相比以往采用的实验室模拟数据和仿真数据,使用了真实的QAR(quick access recorder)数据并进行随机采样,以求更能表征发动机振动和工作参数之间的关系。同时,不仅使用其他振动信号进行验证,还在其他型号的发动机上进行测试。结果表明:针对航空发动机的振动进行预测是可行的,SENet模型可以有效并实时追踪振动的突变和波动。此外,该方法对于其他振动信号和不同类型的发动机具有一定的适用性。而且相较于以往采用的其他经典的深度模型,SENet模型在振动的预测中能得到更小的误差。实验证明,相较于以往只使用振动这个单参数进行预测,并行使用与振动相关的多参数融合进行研究更能提高预测的准确性。
-
YOLOv4-tiny及其改进算法在航空机务维修照相管理中的应用
-
作者:
张锐丽
张琦
高万春
李江龙
来源:
兵工自动化
年份:
2022
文献类型 :
期刊
关键词:
注意力机制
tiny
目标检测
YOLOv4
照相管理
-
描述:
注意力机制模块以改进YOLOv4-tiny。测试结果表明:准确率(precision,P)相较原YOLOv4-tiny提高了5%,召回率(recall,R)提高约8%,平均准确率均值(mean
-
基于注意力与LSTM的航空发动机剩余寿命预测
-
作者:
王欣
孟天宇
周俊曦
来源:
科学技术与工程
年份:
2022
文献类型 :
期刊
关键词:
注意力机制
长短期记忆网络
航空发动机
剩余寿命预测
预测性维护
-
描述:
long short-term memory, LSTM)网络的航空发动机剩余寿命预测模型Attention-LSTM,通过引入注意力机制增强各时间点数据的特征权重,有效提升了模型预测精度。使用NASA
-
基于特征注意力机制的GRU-GAN航空发动机剩余寿命预测
-
作者:
袁烨
黄虹
程骋
虞文武
丁汉
来源:
中国科学:技术科学
年份:
2022
文献类型 :
期刊
关键词:
注意力机制
生成对抗网络
特征提取
航空航天
剩余寿命预测
-
描述:
单元(Gate recurrent unit, GRU)的预测能力相结合,提出一种基于特征注意力机制的GAN和GRU融合模型.为了对时序关系进行建模,首先利用特征注意力机制和GRU分别提取空间和时间上
<
1
2
3
...
18
19
20
...
31
32
33
>