科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着人工智能、大数据等新技术的兴起,为航空信息系统领域的研究带来了新的思路,尤其是故障诊断、健康管理等方向。相比于传统的故障诊断方式,基于数据驱动的方法能够有效弱化过程中对专家知识的高要求。然而,在面对高维度、海量的数据时,传统的人工智能模型往往训练效率低、精度差。针对以上问题,论文通过机器学习以及大数据处理技术对参数进行场景敏感性挖掘、关联性分析,进而大幅度缩减参数维度以及减轻数据冗余。最终,通过真实场景下的案例研究,验证了论文提出的处理方法的有效性。
- 单位
随着人工智能、大数据等新技术的兴起,为航空信息系统领域的研究带来了新的思路,尤其是故障诊断、健康管理等方向。相比于传统的故障诊断方式,基于数据驱动的方法能够有效弱化过程中对专家知识的高要求。然而,在面对高维度、海量的数据时,传统的人工智能模型往往训练效率低、精度差。针对以上问题,论文通过机器学习以及大数据处理技术对参数进行场景敏感性挖掘、关联性分析,进而大幅度缩减参数维度以及减轻数据冗余。最终,通过真实场景下的案例研究,验证了论文提出的处理方法的有效性。
