典型文献
基于差分隐私的航空发动机喘振故障检测
文献摘要：
为保护航空发动机数据集包含的众多敏感数据,将差分隐私技术融入卷积神经网络中,提出一种具有差分隐私的卷积神经网络故障检测模型(DP-CNN模型).阐述了卷积神经网络和差分隐私技术的基本理论和计算步骤,采用差分隐私随机梯度算法更新神经网络参数以建立DP-CNN模型.运用DP-CNN模型对航空发动机喘振故障进行检测,并与其他故障检测模型(支持向量机,长短时记忆网络,多层感知器)的检测结果进行对比.结果表明,DP-CNN模型在准确率、召回率以及f1-sc ore上都更高,分别达到了95.3％、94.6％和96.5％.
文献关键词：
航空发动机;喘振;卷积神经网络;差分隐私;故障检测
中图分类号：
作者姓名：
岑鹏;郑德生;陆超
作者机构：
西南石油大学计算机科学学院网络空间安全研究中心,成都610500;中国航发四川燃气涡轮研究院高空模拟技术重点实验室,四川绵阳621000
文献出处：
引用格式：
[1]岑鹏;郑德生;陆超-.基于差分隐私的航空发动机喘振故障检测)[J].燃气涡轮试验与研究,2022(01):48-51
A类：
B类：
差分隐私,航空发动机,发动机喘振,敏感数据,技术融入,网络故障,故障检测模型,DP,随机梯度,梯度算法,网络参数,长短时记忆网络,多层感知器,召回率,f1,sc,ore
AB值：
0.235148
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
