Метод прогнозування несприятливих авіаційних подій під час польоту на основі гібридних нейронних мереж

Автор(и)

  • Evhenii Gryshmanov Льотна академія Національного авіаційного університету, Україна https://orcid.org/0000-0003-0968-1538
  • Iryna Zakharchenko Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0000-0002-8534-1888
  • Iryna Novikova Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0003-4854-0682

DOI:

https://doi.org/10.33099/2311-7249/2019-34-1-69-75

Ключові слова:

безпека польотів, прогнозування, згорткова нейронна мережа, рекурентна нейронна мережа, модуль LSTM, функція активації, тензор

Анотація

В роботі представлено структуру методу прогнозування несприятливих авіаційних подій під час польоту на основі згорткових нейронних мереж (CNN)  та рекурентних нейронних мереж (RNN) на базі модулів LSTM. Безпосередньо під прогнозуванням в роботі мається на увазі вирішення задачі аналізу текстових повідомлень, що  представлені у вигляді структурованого та неструктурованого тексту та формуються на основі даних, отриманих від різних джерел інформації в процесі управління повітряним рухом. Детально розглянуто процедуру визначення гіперпараметрів та процедуру навчання гібридної нейромережевої моделі для прогнозування несприятливих авіаційних подій в польоті з використанням CNN та LSTM.

Посилання

1. Fact sheet. Status of civil aviation safety of the States Parties to the Agreement on Civil Aviation and the Use of Air in the first half of 2018. URL: https://mak-iac.org/upload/iblock/5b0/bp-18-1.pdf.

2. Statistical Summary of Commercial Jet Airplane Accidents. Worldwide Operations 19592008, Boeing Commercial Airplanes, Seattle, Washington 98124-2207, USA.

3. V.D.Sharov. Application of the Bayesian approach for specifying the probabilities of events in the automated system of forecasting and prevention of aviation accidents / V.D.Sharov // Management of large systems. – 2013. №43. – С.240 – 253.

4. V.P.Makarov. Method of forecasting and prevention of aviation accidents on the basis of the “Factors hazard tree” analysis: Dissertation Candidate of Technical Sciences / V.P.Makarov. – М., 2013. – P.137.

5. Y. Kim. Convolutional neural networks for sentence classification. arXiv:1408.5882 [cs.CL], 2014.

6. C. Olah. Neural networks, recurrent neural networks, convolutional neural networks. http://colah.github.io/.

7. Dos Santos C.N., Gatti M. Deep Convolutional Neural Networks for Sentiment Analysis of Short Texts // COLING, 2014. P. 69 – 70.

8. S.Hochreiter, J.Schmidhuber. Long short-term memory // Neural computation 9, 1997. Issue 8. P. 1735 – 1780.

##submission.downloads##

Опубліковано

2019-05-06

Номер

Розділ

Інтелектуальні ІТ та робототехніка у сфері безпеки та оборони