Compared with model-based control and optimization methods, reinforcement learning (RL) provides a data-driven, learning-based framework to formulate and solve sequential decision-making problems. The RL framework has become promising due to largely improved data availability and computing power in the aviation industry. Many aviation-based applications can be formulated or treated as sequential decision-making problems. Some of them are offline planning problems, while others need to be solved online and are safety-critical. In this survey paper, we first describe standard RL formulations and solutions. Then we survey the landscape of existing RL-based applications in aviation. Finally, we summarize the paper, identify the technical gaps, and suggest future directions of RL research in aviation.
translated by 谷歌翻译
在本文中,我们为表面缺陷检测任务呈现了一种完整的局部二进制模式(RCLBP)框架。我们的方法使用非本地(NL)表示滤波器的组合具有小波阈值和完成的本地二进制模式(CLBP)以提取燃料特征,该特征被馈入到用于表面缺陷检测的分类器中。本文结合了三个组分:建立基于非局部(NL)的去噪技术,该方法具有小波阈值的滤波器,以在保留纹理和边缘的同时代替噪声图像​​。其次,使用CLBP技术提取辨别特征。最后,鉴别特征被馈送到分类器中以构建检测模型并评估所提出的框架的性能。使用来自东北大学(NEU)的真实世界钢结构缺陷数据库来评估缺陷检测模型的性能。实验结果表明,所提出的方法RCLBP是噪声稳健,可在类内和阶级变化的不同条件下应用表面缺陷检测,并且具有照明变化。
translated by 谷歌翻译
标准卷积神经网络(CNN)设计很少专注于明确捕获各种功能以增强网络性能的重要性。相反,大多数现有方法遵循增加或调整网络深度和宽度的间接方法,这在许多情况下显着提高了计算成本。受生物视觉系统的启发,我们提出了一种多样化和自适应的卷积网络(DA $ ^ {2} $ - net),它使任何前锋CNN能够明确地捕获不同的功能,并自适应地选择并强调最具信息性的功能有效地提高网络的性能。 DA $ ^ {2} $ - NET会引入可忽略不计的计算开销,它旨在与任何CNN架构轻松集成。我们广泛地评估了基准数据集的DA $ ^ {2} $ - 网上,包括CNN架构的CNN100,SVHN和Imagenet,包括CNN100。实验结果显示DA $ ^ {2} $ - NET提供了具有非常最小的计算开销的显着性能改进。
translated by 谷歌翻译
在本文中,我们开发了在无人驾驶系统(UUS)交通管理(UTM)的背景下的电动垂直起飞和降落车辆(EVTOL)的广义模拟框架,并在城市空运流行率(UAM)的概念下。与大多数现有的研究不同,所提出的框架结合了UTM和EVTOL的利用来开发现实的UAM测试平台。为此,我们首先增强了现有的UTM模拟器以模拟现实世界的UAM环境。然后,代替使用简化的Evotl模型,采用了一个现实的EVTOL设计工具,即Suave,并引入了扩张子模块,以弥合UTM模拟器和Suave Evtol性能评估工具之间的间隙,以详细说明完整的任务配置文件。基于开发的仿真框架,进行了实验,并提出了结果以分析evtols在UAM环境中的性能。
translated by 谷歌翻译