基于深度学习的飞行器动力系统故障诊断

作者： 张懋石   来源： 厦门大学 年份： 2018 文献类型 ： 学位论文 关键词： 自编码网络   故障诊断   深度学习  

描述： 基于深度学习的飞行器动力系统故障诊断

基于四旋翼飞行器的目标识别和处理

作者： 肖树浩   来源： 厦门大学 年份： 2018 文献类型 ： 学位论文 关键词： 深度学习   四旋翼飞行器   目标识别  

描述： 基于四旋翼飞行器的目标识别和处理

基于深度学习的航空器异常飞行状态识别

作者： 吴奇   储银雪   来源： 民用飞机设计与研究 年份： 2018 文献类型 ： 期刊 关键词： 飞行状态识别   深度学习   高斯过程  

描述： 大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏

基于多分辨率遥感影像的飞机检测研究

作者： 侯宇青阳   全吉成   魏湧明   来源： 激光与光电子学进展 年份： 2018 文献类型 ： 期刊 关键词： 显著性提取   遥感影像   目标检测   深度学习  

描述： 从多分辨遥感图像特点、深度学习网络结构和飞机目标尺寸三个方面进行研究,明确了检测结果与图像中飞机目标像素数的定量关系,对影响图像中目标像素数的两个因素飞机实际尺寸和图像分辨率关系进行定量分析。在检测

基于卷积神经网络的遥感图像飞机目标识别

作者： 晁安娜   刘坤   来源： 微型机与应用 年份： 2018 文献类型 ： 期刊 关键词： 遥感图像   卷积神经网络   飞机识别   深度学习  

描述： 遥感图像的识别技术一直被广泛运用于民用和军事领域。针对采集到的遥感飞机图像存在大量干扰,如遮挡、噪声、视角变化等因素,提出一种改进的基于卷积神经网络的遥感图像目标识别算法。在复杂环境下,运用卷积神经网络对飞机目标进行识别,避免了在特征提取过程中信息的丢失,提高了识别率。实验结果证明了该算法在遥感图像飞机目标识别中的可行性,能克服尺度变化及目标姿态变化等因素的影响。同时提出的算法较传统CNN、BP神经网络和支持向量机(SVM)方法具有更好的识别效果,鲁棒性更强。

航空轮胎有限元分析

作者： 刘坤   苏彤   王典   来源： 激光与光电子学进展 年份： 2018 文献类型 ： 期刊 关键词： 卷积神经网络   深度学习   模糊不变   目标识别  

描述： 由于采集、运动以及聚焦等导致的目标模糊是目标识别率偏低的一个主要问题,因此本文提出一种基于模糊不变卷积神经网络模型BICNN(Blur-Invariant Convolutional Neural Network)的目标识别方法。与仅优化多项式逻辑回归目标的传统CNN(Convolutional Neural Network)模型的训练不同,BICNN引入和学习一个新的模糊不变层改善模糊目标的识别率,提高目标识别的鲁棒性。首先,BICNN通过增加模糊不变约束项及正则化来优化本文提出的模糊不变目标函数进行训练;其次,通过减小模糊不变目标函数值来规定训练样本在模糊之前和之后的特征映射相一致,最终实现模糊不变性。测试结果表明验证,BICNN改善了因模糊造成识别率降低的问题,进而提升运动模糊图像的识别率。

基于深度学习的航空器异常飞行状态识别

作者： 吴奇   储银雪   来源： 民用飞机设计与研究 年份： 2018 文献类型 ： 期刊 关键词： 飞行状态识别   深度学习   高斯过程  

描述： 大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏

基于多分辨率遥感影像的飞机检测研究

作者： 侯宇青阳   全吉成   魏湧明   来源： 激光与光电子学进展 年份： 2018 文献类型 ： 期刊 关键词： 显著性提取   遥感影像   目标检测   深度学习  

描述： 从多分辨遥感图像特点、深度学习网络结构和飞机目标尺寸三个方面进行研究,明确了检测结果与图像中飞机目标像素数的定量关系,对影响图像中目标像素数的两个因素飞机实际尺寸和图像分辨率关系进行定量分析。在检测

基于卷积神经网络的遥感图像飞机目标识别

作者： 晁安娜   刘坤   来源： 微型机与应用 年份： 2018 文献类型 ： 期刊 关键词： 遥感图像   卷积神经网络   飞机识别   深度学习  

描述： 遥感图像的识别技术一直被广泛运用于民用和军事领域。针对采集到的遥感飞机图像存在大量干扰,如遮挡、噪声、视角变化等因素,提出一种改进的基于卷积神经网络的遥感图像目标识别算法。在复杂环境下,运用卷积神经网络对飞机目标进行识别,避免了在特征提取过程中信息的丢失,提高了识别率。实验结果证明了该算法在遥感图像飞机目标识别中的可行性,能克服尺度变化及目标姿态变化等因素的影响。同时提出的算法较传统CNN、BP神经网络和支持向量机(SVM)方法具有更好的识别效果,鲁棒性更强。

航空轮胎有限元分析

作者： 刘坤   苏彤   王典   来源： 激光与光电子学进展 年份： 2018 文献类型 ： 期刊 关键词： 卷积神经网络   深度学习   模糊不变   目标识别  

描述： 由于采集、运动以及聚焦等导致的目标模糊是目标识别率偏低的一个主要问题,因此本文提出一种基于模糊不变卷积神经网络模型BICNN(Blur-Invariant Convolutional Neural Network)的目标识别方法。与仅优化多项式逻辑回归目标的传统CNN(Convolutional Neural Network)模型的训练不同,BICNN引入和学习一个新的模糊不变层改善模糊目标的识别率,提高目标识别的鲁棒性。首先,BICNN通过增加模糊不变约束项及正则化来优化本文提出的模糊不变目标函数进行训练;其次,通过减小模糊不变目标函数值来规定训练样本在模糊之前和之后的特征映射相一致,最终实现模糊不变性。测试结果表明验证,BICNN改善了因模糊造成识别率降低的问题,进而提升运动模糊图像的识别率。