研究基于实施的bi-LSTM的飞行行动的智能预测
1Aviation University of Air Force, Changchun, China.
PeerJ. Computer science
|July 10, 2024
概括
本研究使用双向长期短期记忆 (bi-LSTM) 算法来准确预测飞机的飞行动作. 深度学习模型达到超过85%的准确性,提高了飞行培训质量评估.
科学领域:
- 航空 航空 航空 航空 航空
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 对飞行培训质量的客观评估至关重要.
- 当前的方法在识别飞行行为时可能缺乏现实性.
- 利用飞行数据进行快速行动识别提供了更现实的方法.
研究的目的:
- 实施和优化用于预测飞机飞行行动的深度学习模型.
- 通过准确的行动识别,客观地评估飞行培训质量.
- 开发具有高识别精度和短培训时间的模型.
主要方法:
- 从真实飞行训练课程中收集和预处理标记的飞行数据.
- 应用双向长短期记忆 (bi-LSTM) 算法,一种深度学习方法.
- 优化关键算法参数并训练模型以达到>85%的准确性.
主要成果:
- 双LSTM模型在飞行动作预测方面实现了超过85%的准确率.
- 单词运行推理时间保持在2秒以下.
- 该模型展示了短的训练时间和高的识别准确性,即使使用复杂的规则和大数据集.
结论:
- 开发的双LSTM模型为评估飞行培训质量提供了一个现实的和客观的方法.
- 该算法在训练时间和准确性方面的效率使其适合复杂的航空场景.
- 这种方法提高了在试点培训计划中客观评估的潜力.
