首页
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻动态
全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
首页>
根据【关键词:
集成学习,元学习,故障诊断,深度学习,联邦学习
】搜索到相关结果
140
条
按文献类别分组
学位论文
(614)
期刊
(570)
会议论文
(40)
图书
(10)
报纸
(6)
按栏目分组
学位论文
(614)
期刊
(570)
会议论文
(40)
图书
(10)
报纸
(6)
按年份分组
2024
(140)
2023
(280)
2022
(150)
2021
(162)
2020
(152)
2019
(134)
2018
(130)
2017
(30)
2016
(56)
2013
(2)
2012
(2)
1990
(2)
按来源分组
南京航空航天大学
(86)
山东大学
(20)
航空计算技术
(20)
内燃机与配件
(20)
沈阳航空航天大学
(18)
航空发动机
(17)
北京航空航天大学学报
(16)
大连理工大学
(12)
辽宁科技大学
(12)
哈尔滨理工大学
(12)
振动.测试与诊断
(9)
机床与液压
(9)
振动与冲击
(9)
科学技术与工程
(8)
中国电机工程学报
(8)
厦门大学
(8)
南京林业大学
(8)
现代计算机
(5)
南京邮电大学
(4)
计算机仿真
(4)
光学学报
(4)
南京大学学报(自然科学)
(2)
2020互联网安全与治理论坛
(2)
信息安全与通信保密
(2)
计算机工程
(2)
第30届中国过程控制会议(CPCC 2019)
(2)
系统仿真技术
(2)
中国民航大学学报
(2)
第六届空天动力联合会议暨中国航天第三专业信息网第四十二届技术交流会暨2021航空发动机技术发展高层论坛
(2)
东南大学
(2)
关键词
基于
深度学习
的航空发动机剩余使用寿命预测方法研究
作者:
曹锦山.
来源:
重庆交通大学
年份:
2024
文献类型 :
学位论文
关键词:
航空发动机
Transformer
深度学习
剩余使用寿命
多头自注意力机制
描述:
基于
深度学习
的航空发动机剩余使用寿命预测方法研究
基于
深度学习
的航空发动机涡轮叶片烧蚀检测研究
作者:
陈纪宗.
来源:
中国民用航空飞行学院
年份:
2024
文献类型 :
学位论文
关键词:
注意力机制
航空发动机
自动化检测
语义分割
深度学习
描述:
基于
深度学习
的航空发动机涡轮叶片烧蚀检测研究
模拟塞斯纳
1
72无动力迫降时飞行员工作负荷分析
作者:
林华显.
来源:
中国民用航空飞行学院
年份:
2024
文献类型 :
学位论文
关键词:
机器学习
工作负荷
生理信号
深度学习
航空安全
描述:
模拟塞斯纳
1
72无动力迫降时飞行员工作负荷分析
基于
深度学习
的遥感图像飞机目标检测技术研究
作者:
赵志恒.
来源:
中国民用航空飞行学院
年份:
2024
文献类型 :
学位论文
关键词:
遥感图像
深度学习
目标检测
YOLOv8
飞机目标
描述:
基于
深度学习
的遥感图像飞机目标检测技术研究
基于融合神经网络的飞机蒙皮缺陷检测的研究
作者:
黄少晗.
来源:
中国民用航空飞行学院
年份:
2024
文献类型 :
学位论文
关键词:
注意力机制
飞机蒙皮缺陷
融合神经网络
深度学习
目标检测
描述:
基于融合神经网络的飞机蒙皮缺陷检测的研究
基于社交隐式模型的运输类飞机人员疏散轨迹预测
作者:
陈琨
李放
冯振宇
陈向明
段龙坤
来源:
交通运输工程学报
年份:
2024
文献类型 :
期刊
关键词:
民用航空
深度学习
轨迹预测
应急撤离
社交隐式模型
描述:
基于社交隐式模型的运输类飞机人员疏散轨迹预测
基于
深度学习
的智慧航空物流综合服务智能问答方法
作者:
章丰田
来源:
自动化应用
年份:
2024
文献类型 :
期刊
关键词:
综合服务
智能问答
深度学习
航空物流
智慧航空
描述:
基于
深度学习
的智慧航空物流综合服务智能问答方法
飞机装配过程错漏装检测技术研究进展
作者:
王振宇
张祥春
严佳
张晓庆
武湛君
来源:
无损检测
年份:
2024
文献类型 :
期刊
关键词:
错漏装
机器视觉
深度学习
无损检测
模板匹配
描述:
飞机装配过程错漏装检测技术研究进展
作者:
秦子轩
张晓东
白广芝
任先聪
来源:
航空发动机
年份:
2024
文献类型 :
期刊
关键词:
航空发动机
剩余可用寿命
深度学习
多头注意力机制
多尺度卷积双向长短期记忆网络
描述:
基于CNN-LSTM混合模型的民航非计划事件分析方法
作者:
王捷
周迪
左洪福
陆扬
来源:
计算机与数字工程
年份:
2024
文献类型 :
期刊
关键词:
长短时记忆神经网络
卷积神经网络
深度学习
民航安全
文本分析
描述:
安全是民航业的核心主题,非计划事件是辨识安全隐患、改善航空安全的重要信息来源。非计划事件的非结构化和数量庞大等特性使得人工分析变得困难且效率低下。为提高非计划事件的分析效率和精度,论文提出了一种基于CNN-LSTM的混合深度神经网络模型,用于民航非计划事件的自动化分析。并与SVM、CNN、LSTM等模型进行比较,在航空公司的事件日志样本数据集上进行训练并做出事件分类结果的判断。实验结果表明,所提出的CNN-LSTM混合模型具有最高的分类准确率,对于不平衡数据样本,具有最稳定的分类性能。
<
1
2
3
...
6
7
8
...
12
13
14
>
Rss订阅
订阅地址: