深度学习体系结构在航天器异常检测中的比较
原文中文,约300字,阅读约需1分钟。发表于: 。通过比较各种深度学习架构在宇宙飞船数据中检测异常的有效性,结果显示卷积神经网络(CNNs)在识别空间模式方面表现出色,长短时记忆网络(LSTM)和递归神经网络(RNNs)则在捕捉时间序列航天遥测中的时序异常方面表现出较高的功效。 Transformer 架构在以局部和全局上下文为重点的情况下显示出有前途的结果,特别是在异常更加微妙且持续时间较长的情况下。
通过比较不同深度学习架构在宇宙飞船数据中检测异常的有效性,发现卷积神经网络在识别空间模式方面表现出色,长短时记忆网络和递归神经网络在捕捉时间序列航天遥测中的时序异常方面表现较好,Transformer架构在处理微妙且持续时间较长的异常情况下显示出有前途的结果。