关键词
民用航空器四维航迹预测技术综述
作者: 朱海波   张军峰   刘杰   陈强   来源: 航空计算技术 年份: 2017 文献类型 : 期刊 关键词: 混合估计   航空器性能   机器学习   综述   航迹预测  
描述: 民用航空器四维航迹预测是保障飞行安全、提升运行效率、缓解航班延误、倡导绿色飞行的有效支撑和重要保证。四维航迹预测的研究集中于如下领域:预测结构与流程、预测模型与方法、误差分析与精度提升,其中航迹预测模型与方法是核心,主要包括混合估计模型、质点运动模型与机器学习方法。最后,总结与提炼开展民用航空器四维航迹预测研究的思路和热点,并相应指出了未来的研究方向。
基于NARX神经网络的飞机飞行性能模型预测
作者: 杨任农   张振兴   张滢   张欢   于茗   薛国红   来源: 西北大学学报(自然科学版) 年份: 2017 文献类型 : 期刊 关键词: 时间序列   BP神经网络   飞机飞行性能模型   NARX神经网络  
描述: 针对飞机飞行性能模型的非线性、动态性的特点,分析了影响飞行性能的关键要素。飞行员的操纵量,提出了基于神经网络的数据建模方法。该方法在BP神经网络结构的基础上,加入了外部输入量的延迟和输出量的反馈连接,建立了NARX神经网络预测模型。该模型利用飞行模拟器采集的飞行数据训练网络,并对训练好的网络进行验证和评估。实验结果表明,与BP神经网络以及引入动量因子和自适应调整学习率的改进BP神经网络相比,NARX神经网络预测模型收敛速度和预测结果更好,可以长期准确地预测飞行性能模型。
基于NARX神经网络的飞机飞行性能模型预测
作者: 杨任农   张振兴   张滢   张欢   于茗   薛国红   来源: 西北大学学报(自然科学版) 年份: 2017 文献类型 : 期刊 关键词: 时间序列   BP神经网络   飞机飞行性能模型   NARX神经网络  
描述: 针对飞机飞行性能模型的非线性、动态性的特点,分析了影响飞行性能的关键要素。飞行员的操纵量,提出了基于神经网络的数据建模方法。该方法在BP神经网络结构的基础上,加入了外部输入量的延迟和输出量的反馈连接,建立了NARX神经网络预测模型。该模型利用飞行模拟器采集的飞行数据训练网络,并对训练好的网络进行验证和评估。实验结果表明,与BP神经网络以及引入动量因子和自适应调整学习率的改进BP神经网络相比,NARX神经网络预测模型收敛速度和预测结果更好,可以长期准确地预测飞行性能模型。
基于深度卷积神经网络的航空器检测与识别
作者: 俞汝劼   杨贞   熊惠霖   来源: 计算机应用 年份: 2017 文献类型 : 期刊 关键词: 卷积神经网络   深度学习   目标检测识别   航空器检测  
描述: %的工作点上达到了79.2%的精确率,分类网络的实时性达到平均每张0.972 s,Top-1错误率为13%。所提框架在军用机场大尺寸卫星图像中航空器检测识别的具体应用问题上提出了新的解决思路,同时保证了实时性和算法精度。
基于民航陆空对话的语音识别关键技术研究
作者: 张志辉   来源: 中国民航大学 年份: 2017 文献类型 : 学位论文 关键词: 受限制玻尔兹曼机   声学模型   深度学习   民航陆空对话   语音识别  
描述: 民航陆空对话语音指令的正确识别一直是确保航空器飞行安全的关键问题。近年来,由陆空对话问题导致的民航安全事故时有发生,给民航安全带来严重威胁。因此如何在现有条件下探索降低陆空对话风险的新方法,保障陆空对话指令的正确传输,成为一个有待解决的重要问题。近年来,语音识别技术一直是模式识别领域的研究热点并被广泛应用于诸多领域。本文通过对民航陆空对话的应用场景和特点进行分析,将语音识别技术应用到民航陆空对话领域,并结合深度神经网络(DNN)来解决民航陆空对话语音识别中的关键技术问题。为解决陆空对话的噪声问题,本文以真实的陆空对话为实验数据,对比了四种不同的降噪处理方法。实验结果表明,在该语料库下改进的谱减算法具有更好的降噪效果。在搭建语音识别系统的过程中,本文使用的语料库是以飞行员和管制员日常陆空对话的内容为蓝本,聘请管制专业人员录制的。使用该语料库分别搭建GMM-HMM单音素和三音素模型,并将三音素模型改进的结果作为DNN-HMM模型训练的标签,成功搭建DNN-HMM的声学模型。实验结果表明,DNN-HMM模型较GMM-HMM模型在基于民航陆空对话数据的音素识别中具有更强的建模能力。
遥感图像飞机目标分类的卷积神经网络方法
作者: 周敏   史振威   丁火平   来源: 中国图象图形学报 年份: 2017 文献类型 : 期刊 关键词: 卷积神经网络   深度学习   可见光遥感   飞机   分类  
描述: 分类问题。方法在缺乏公开数据集的情况下,收集了真实可见光遥感图像中的8种飞机数据,按大致4∶1的比例分为训练集和测试集,并对训练集进行合理扩充。然后针对遥感图像与飞机分类的特殊性,结合深度学习卷积
< 1
Rss订阅