卷积神经网络及其在航空视觉任务中的应用展望

从卷积神经网络的基本理论出发,介绍了几种经典卷积网络结构,并结合当前卷积神经网络在计算机视觉领域的应用现状,重点探讨了它在未来航空视觉相关任务系统中的应用前景,以及实施这些技术必须解决的若干问题,为未来航空装备智能化水平的进一步提升提供参考。     

面向飞行员疲劳状态监测的脑认知深度模型研究

通过分析飞行员脑电信号，构建了疲劳状态的彩色脑功率图，设计基于高斯牛顿在线变分方法的卷 积神经网络参数优化方法，形成一种新型脑功率图深度网络模型，有效实现脑功率图深度网络的模型分类识别 能力。相比于其它基于脑电信号的疲劳检测深度模型，疲劳状态认知的准确度提升了3%~5%。     

基于神经网络的最优浮标布阵智能决策方法

针对航空反潜活动中声纳浮标搜潜的典型任务场景,建立了浮标布阵的搜潜仿真模型及计算搜潜成功概率的数学模型。设计了一种计算满足目标搜潜概率需用最少浮标数量的优化方法,使用遗传算法求解了该优化问题,并生成大量浮标布阵样本。构造了浮标布阵辅助决策的神经网络模块,对最优浮标布阵方式进行了训练与学习。仿真验证表明,使用该方法能有效满足搜潜辅助决策任务需求。