深度学习体系结构在航天器异常检测中的比较

Mar, 2024

深度学习体系结构在航天器异常检测中的比较

A Comparison of Deep Learning Architectures for Spacecraft Anomaly Detection

Daniel Lakey, Tim Schlippe

TL;DR通过比较各种深度学习架构在宇宙飞船数据中检测异常的有效性，结果显示卷积神经网络（CNNs）在识别空间模式方面表现出色，长短时记忆网络（LSTM）和递归神经网络（RNNs）则在捕捉时间序列航天遥测中的时序异常方面表现出较高的功效。 Transformer 架构在以局部和全局上下文为重点的情况下显示出有前途的结果，特别是在异常更加微妙且持续时间较长的情况下。

Abstract

spacecraft operations are highly critical, demanding impeccable reliability and safety. Ensuring the optimal performance of a spacecraft requires the early detection and mitigation of anomalies, which could otherwise result in unit or mission failures. With the advent of deep learning,

spacecraft operations anomaly detection deep learning architectures convolutional neural networks (cnns)long short-term memory (lstm) networks

发现论文，激发创造

使用 LSTM 和非参数动态阈值检测航天器异常

使用 LSTM 网络对遥测数据进行异常检测，结合一种无监督检测方法并提供假阳性减缓策略，以降低操作风险和减轻工程师的监测负担。

Feb, 2018

时间序列预测深度学习架构的实验综述

本文研究旨在回顾深度学习在时间序列预测方面的应用，并比较其性能，结果表明长短时记忆网络（LSTM）和卷积神经网络（CNN）是最佳选择，其中 LSTM 获得最准确的预测结果，而 CNN 在不同参数配置下能够实现可比较的性能和更高的效率。

Mar, 2021

使用卷积神经网络和迁移学习进行时间序列异常检测

这篇论文提出了一种基于卷积神经网络的时序分割方法来检测异常，并使用迁移学习框架在大规模合成单变量时间序列数据集上进行预训练，然后在小规模、单变量或多变量数据集上进行微调，同时针对多变量情况，介绍了一种新的网络架构。该方法在多个合成和实际数据集上进行了成功测试。

May, 2019

通过循环神经网络利用多时相空间数据进行土地覆盖分类

本文研究使用 Recurrent Neural Networks 中的 Long-Short Term Memory（LSTM）模型来进行基于卫星图像时间序列的土地覆盖分类，并与传统方法进行了比较，结果表明 LSTM 模型在处理高度混合的图像分类问题方面表现更具竞争力。

Apr, 2017

基于长短期记忆循环神经网络的集体异常检测

本文提出了一种实时的基于神经网络学习和特征操作的集体异常检测模型，该模型训练了一个 LSTM 循环神经网络来侦测网络数据的集体异常，实验结果表明该模型能够提供可靠和高效的集体异常检测方案。

Mar, 2017

时间序列无监督异常检测的降噪架构

通过长短时记忆网络（LSTM）自动编码器，结合去噪自编码器，可以更高效地实现无监督异常检测。此方法的关键字包括异常检测、时间序列、去噪自编码器、LSTM 自动编码器和无监督学习。

Aug, 2022

文本数据深度学习异常检测方法

使用深度学习和变换器架构结合经典机器学习算法以检测和识别文本中的异常，将所有文本上下文转换为数字表示。

Nov, 2022

入侵检测：深度学习方法

本研究提出了一种新的深度学习方法来检测网络入侵，运用了卷积神经网络 (CNN) 模块、长短时记忆 (LSTM) 模块和支持向量机 (SVM) 分类器，结果表明与传统机器学习方法和其他深度学习方法相比，这种方法更加有效。

Jun, 2023

基于深度学习的星载机相对导航方法综述

该文综述了当前基于深度学习的自主航天器相对导航方法，并侧重于太空飞行器缘会和小型天体着陆等具体轨道应用。文章总结了深度学习相对导航算法的基本特征、主要动机和贡献，并比较了流行的视觉跟踪基准及其性质。此外，本文还讨论了潜在的应用以及预期的障碍。

Aug, 2021

多元时间序列分类：深度学习方法

本研究探究适用于时间序列分类领域的不同方法和各种神经网络结构。该论文通过使用来自气体传感器的数据来探测某一特定环境中的占用状态，并使用 Fully Convolutional Networks (FCN) 和 Long Short-Term Memory (LSTM) 进行监督学习和递归自编码器进行半监督学习，通过评估精度和召回率等指标来确定哪种方法最适合此问题。

Jul, 2023