PulseAugur
中
实时 09:25:59
English(EN) Defining Energy Indicators for Impact Identification on Aerospace Composites: A Structured Feature Selection Approach Guided by Domain Knowledge

新的AI方法提高了航空航天复合材料损伤预测精度 · arXiv论文

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种结构化工作流程，以改进航空航天复合材料损伤识别的能量预测。该方法利用领域知识，系统地从时域、频域和时频域中选择特征，并根据统计显著性、相关性、降维和噪声鲁棒性进行筛选。然后，选定的特征作为全连接神经网络的输入，与传统技术和纯数据驱动基线相比，该网络将预测误差降低了三倍，提高了预测性能、可解释性和诊断置信度。 AI

影响 这种结构化的特征选择方法有望为关键基础设施监控带来更准确、更具可解释性的AI模型。

排序理由 该集群包含一篇详细介绍AI驱动分析新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的AI方法提高了航空航天复合材料损伤预测精度 · arXiv论文

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Nat\'alia Ribeiro Marinho, Richard Loendersloot, Frank Grooteman, Jan Willem Wiegman, Uraz Odyurt, Tiedo Tinga ·

    面向航空航天复合材料影响识别的能源指标定义：一种由领域知识指导的结构化特征选择方法

    arXiv:2511.01592v2 Announce Type: replace Abstract: Energy estimation is critical to impact identification on aerospace composites, where low-velocity impacts can induce internal damage that is undetectable at the surface. Data sparsity, signal noise, complex feature interdepende…

相关实体

相关话题