基于卷积神经网络的航空遥感图像目标检测研究

作者： 宋琦   来源： 西安电子科技大学 年份： 2020 文献类型 ： 学位论文 关键词： YOLO   R   CNN   卷积神经网络   目标检测   航空遥感图像  

描述： 基于卷积神经网络的航空遥感图像目标检测研究

基于深度卷积神经网络的肝脏超声标准切面识别与分类方法

作者： 刘泽凡   来源： 华侨大学 年份： 2020 文献类型 ： 学位论文 关键词： 肝脏超声标准切面   卷积神经网络   分类算法  

描述： 基于深度卷积神经网络的肝脏超声标准切面识别与分类方法

超声引导下胸横肌平面-胸部神经阻滞对行乳腺癌改良根治术患者的影响

作者： 李晶   来源： 郑州大学 年份： 2020 文献类型 ： 学位论文 关键词： 胸横肌平面   乳腺癌   肿瘤转归   胸部神经阻滞   免疫调节   围术期疼痛  

描述： 超声引导下胸横肌平面-胸部神经阻滞对行乳腺癌改良根治术患者的影响

基于关联规则和BP神经网络的飞机设备故障分析与预测

作者： 任亚伟   来源： 山东师范大学 年份： 2020 文献类型 ： 学位论文 关键词： Weibull分布   BP神经网络   前缀路径图   Apriori算法   概率化  

描述： 基于关联规则和BP神经网络的飞机设备故障分析与预测

基于卷积神经网络的飞机液压系统故障诊断算法研究

作者： 李时奇   来源： 南京航空航天大学 年份： 2020 文献类型 ： 学位论文 关键词： 注意力机制   卷积神经网络   故障诊断   飞机液压系统   传感器融合  

描述： 基于卷积神经网络的飞机液压系统故障诊断算法研究

基于YOLOv3算法的深度神经网络在飞机表面缺陷识别中的应用

作者： 陈从翰   来源： 中国民用航空飞行学院 年份： 2020 文献类型 ： 学位论文 关键词： 深度神经网络   目标检测   YOLOv3   表面缺陷   飞机  

描述： 基于YOLOv3算法的深度神经网络在飞机表面缺陷识别中的应用

基于卷积神经网络的飞机蒙皮紧固件腐蚀损伤检测研究

作者： 唐露   来源： 南京航空航天大学 年份： 2020 文献类型 ： 学位论文 关键词： 飞机蒙皮   紧固件腐蚀   卷积神经网络   树形结构   图像检测  

描述： 基于卷积神经网络的飞机蒙皮紧固件腐蚀损伤检测研究

基于神经网络的时间域航空电磁数据CDI成像与反演初探

作者： 韩悦慧   来源： 吉林大学 年份： 2016 文献类型 ： 学位论文 关键词： 神经网络　　时间域航空电磁法　　电导率深度成像　　半空间模型反演　　特征值提取技术  

描述： 航空电磁响应数据作为神经网络的输入，视吊舱高度和电导率作为神经网络的输出，建立并训练神经网络，网络反演视吊舱高度和电导率的测试结果与实际值间的相对误差均小于2.5%。 在实际问题中，大地模型很难用半空

基于BP神经网络的航空发动机失效模式与故障影响分析

作者： 李世林   来源： 南京航空航天大学 年份： 2016 文献类型 ： 学位论文 关键词： 失效模式   航空发动机   故障分析   神经网络   可靠性  

描述： 该文将BP神经网络技术与可靠性分析紧密结合,将知识库与航空发动机数据相结合,利用神经网络自动完成冗繁的系统失效模式与故障影响分析工作.讨论航空发动机各种可靠性数据的整理和管理,BP神经网络的构建,以及由网络自动完成分析工作的可靠性分析方法.基于上述工作,以?

使用时间序列分析与类神经网路预测航空燃油价格

作者： 洪咏译   来源： 国立高雄第一科技大学 年份： 2016 文献类型 ： 学位论文 关键词： 结构转变点　　时间数列分析　　航空燃油　　类神经网路　　燃油避险　　油价预测　　向量自我回归  

描述： 航空燃油價格波動劇烈，最高點時燃油成本佔航空公司總成本百分之五十以上，導致巨大的營業虧損。而迅速的下跌時，因燃油避險方向錯誤，亦須攤提鉅額的業外損失。但仍有少數航空公司如：美國西南航空公司依靠其燃油避險策略的正確而獲得高額的利潤。故航空公司經營上是否能持續獲利或虧損，與燃油供應鏈之穩定度及燃油避險成功與否有莫大相關。因此，預測燃油價格走勢，並於適當的時間點購入所需之燃油，不但是節流的重點，亦可是獲取業外收益的開源。對於燃油避險的操作和求取穩定之能源供應鏈，未來價格的預測能力乃是上述的重要關鍵。故本研究結合多個時間序列模型如：ARIMA，GARCH，VAR，VECM等並搭配結構轉變點檢定，和倒傳遞神經網路模式（BPNN），預測新加坡航空燃油現貨價格。本研究首先以相關文獻找尋油價波動因子與歷史數據，再以時間序列和類神經網路文獻挑選適當的變數與預測模式。以1986 年6 月至2008 年11 月EIA Petroleum (2009)等，所提供之每月能源數據共270個樣本組，實證研究，最後成功得到三個通過各式統計檢測之時間序列模型，而其樣本外之平均預測準確率分別為89.83％、91.87％和95.85％。而在類神經網路部分，亦有三個不同的網路架其預測準確率分別為87％、87％和90％，故本研究之模型可提供航空公司作為燃油價格預測決策時之參考。