民航突发事件实体识别和关系抽取方法的研究

作者： 李浩飞   来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 长短期记忆神经网络   关系抽取   深度学习   实体识别   知识图谱   民航突发事件  

描述： 民航突发事件实体识别和关系抽取方法的研究

大数据背景下个性化文献资源服务创新实践探究——以沈阳航空航天大学图书馆“私人定制”为例

作者： 张莹   来源： 科技资讯 年份： 2025 文献类型 ： 期刊 关键词： 高校图书馆   读者需求   文献资源建设   知识图谱   个性化服务   大数据  

描述： 大数据背景下个性化文献资源服务创新实践探究——以沈阳航空航天大学图书馆“私人定制”为例

面向民航飞机故障安全诊断的知识图谱构建方法

作者： 朱江     谢涛   来源： 中国安全生产科学技术 年份： 2025 文献类型 ： 期刊 关键词： 多尺度注意力   故障诊断   智能问答   数据增强   飞机设备   知识图谱  

描述： 面向民航飞机故障安全诊断的知识图谱构建方法

知识-用户行为驱动的飞机工装设计知识推送方法

作者： 王佐旭     王鑫     孟爽     郑联语   来源： 航空学报 年份： 2025 文献类型 ： 期刊 关键词： 飞机工装   知识网络   工装设计   知识推送   用户行为反馈   知识图谱  

描述： 知识-用户行为驱动的飞机工装设计知识推送方法

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

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

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

融合注意力和多尺度特征的航空发动机缺陷检测

作者： 赵崇林   朱江   胡永进   李祖泽   王鹏举   谢涛   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 注意力机制   航空发动机   YOLOv5   深度学习   缺陷检测  

描述： 航空发动机的结构完整性关乎飞行安全。目前基于孔探技术的航空发动机缺陷检测以人工操作为主。为提高检测精度和效率，提出了一种融合注意力和多尺度特征的航空发动机缺陷智能检测算法，以辅助孔探工作。首先，针对原始孔探图像中缺陷样本的类别不平衡问题，采用了一种基于几何变换和泊松图像编辑的多样本融合数据增强方法，丰富小样本图像并构建缺陷数据集。然后，在基准网络YOLOv5中融入协调注意力模块(CA)，以强调缺陷特征的提取，增强网络对缺陷目标和复杂背景的区分。在颈部网络中构建加权双向特征金字塔结构(BiFPN)，以完成更高层次的特征融合，提升对多尺度目标的表达能力。最后，将边界框回归损失函数定义为EIOU损失，实现对缺陷目标快速、准确地定位和识别。实验结果表明，本文算法检测缺陷的平均精确度达到了89.7％，较基准网络提升了6.3％，训练后的模型大小仅为14.0M。因此，所提方法可以有效地检测航空发动机的主要缺陷。