Dec, 2023

基于 ML 的飞行–CNN 仿射变换逆向

PDF
TL;DR该研究论文描述了一种使用卷积神经网络自动解读驾驶舱仪表的机器学习方法，通过反演仿射变换并从仪表图像中推断飞机状态。通过合成转弯 - 滚转指示器的图像进行验证，该研究引入了一些方法，例如从单个图像生成数据集、用于最佳无噪训练的 “清洁训练原则”，以及用于从分类数据进行连续值预测的卷积神经网络插值。此外，它还提供了超参数优化和机器学习系统软件工程方面的见解。
machine learningcockpit gaugescnnaffine transformationsaircraft states
发现论文，激发创造
  • 卷积神经网络在空气动力学中的应用：预测翼型升力系数

    本文探究了卷积神经网络技术在空气动力元模型任务中的适应性，由此为多变的流动条件和物体几何形状开发了合适的 CNN 架构，并比较了多层感知器的训练结果，发现新提出的元模型概念具有与多层感知器相当的学习能力，尤其是我们的 CNN 模型在几何表示方面有较高的预测准确性。

    Dec, 2017

  • 增强型成像：一种基于数据的飞行器空气数据传感器故障检测方法

    本文提出了一种新的数据驱动方法 Augmented Imagefication 用于飞机空气数据传感器（ADS）的故障检测（FD），并使用深度神经网络（DNN）开发了一种基于边缘设备的在线 FD 方案，采用航空惯性参考单位测量作为等效输入，并提供了不同飞机 / 飞行条件下的数据进行多样性（可伸缩性）的训练 / 测试数据库。

    Jun, 2022

  • 将车辆映射到鸟瞰图中的学习

    本文提出了一种语义感知变换的方法，将仪表板摄像机视图中的检测结果映射到场景的更广泛、俯视的占用图中，通过大量的合成数据和深度神经网络的训练实现，结果表明该模型能够在真实世界的数据上进行泛化。

    Jun, 2017

  • 用于实时自主室内导航的深度神经网络

    本文提出一种在室内使用单一摄像头实现四旋翼自主导航和寻找目标物体（例如书包）的方法，使用卷积神经网络 (ConvNet) 进行深度学习，使用可视化技术来更好地理解训练网络。

    Nov, 2015

  • 用于图像分类和搜索的变换不变卷积神经网络

    该研究提出了在卷积神经网络的训练阶段中随机转换特征图以增强模型对空间变换的不变性，从而显著提高了 CNN 在图片识别等许多基准任务上的表现。

    Nov, 2019

  • 旋翼飞行器姿态预测的深度集成

    应用人工智能和无人机的相机技术，可以有效地提高直升机的安全性能，并通过将多种卷积神经网络进行组合，对其姿态进行准确预测。

    Jun, 2023

  • 通过辅助知识对齐的对抗性神经网络反演

    本文研究了深度学习技术的隐私风险和在对抗性环境下的模型反演问题，并提出了设计两种技术来训练反演模型，从部分预测中准确地反演目标模型。

    Feb, 2019

  • 利用轨迹图像的深度学习对飞机降落时间进行预测

    使用基于轨迹图像的深度学习方法预测航空器降落时间，实验结果表明通过集成保持特征提取方法，平均绝对误差（MAE）可以从 82.23 秒降低到 43.96 秒，同时达到 96.1％的平均准确率，其中 79.4％的预测误差小于 60 秒。

    Jan, 2024

  • 使用增强型 CNN-LSTM 网络进行飞行轨迹预测

    本文提出了一种增强的 CNN-LSTM 网络作为战斗机飞行轨迹预测方法，该方法从空间和时间两个维度提取特征，通过模拟实验证明相比于原始的 CNN-LSTM 方法，预测精度提高了 32% 和 34%。

    Apr, 2024

  • 跑道标志分类器：一种可通过 DAL C 认证的机器学习系统

    近年来，机器学习（ML）技术在人工智能（AI）系统领域取得了显著进展，为航空业带来了前所未有的自动化机会，包括大型商用飞机的单人驾驶或完全自主飞行。然而，ML 技术与现有的空中认证标准存在严重不兼容性，如 ML 模型的可追踪性和可解释性问题，或者传统覆盖度指标的不适用性。当前标准下使用基于 ML 的空中系统的认证存在问题。本文通过一个案例研究，介绍了一个利用深度神经网络（DNN）进行机场标志检测和分类的空中系统。在我们之前的工作基础上，证明了系统符合设计保证等级（DAL）D 的要求，我们将系统升级以满足更严格的设计保证等级 C 的要求。为了实现 DAL C，我们采用了一种已建立的架构缓解技术，涉及两个冗余且不同的深度神经网络。对于这种方法，采用了创新的 ML 特定数据管理技术进行加强。本文旨在说明如何解决中等重要性空中应用中基于 ML 的系统的认证挑战。

    Oct, 2023