arXiv · cs.AI· Taha Asghar·· 14 小时前AI 评分18
混合机器学习用于飞行数据中不平衡着陆阶段安全事件预测
Hybrid Machine Learning for Imbalanced Landing-Phase Safety Event Prediction from Flight Data
来源与原文
arXiv · cs.AI
作者：Taha Asghar
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.08386v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究提出一种可解释的混合特征融合框架，用 LSTM 自编码器在正常飞行窗口上训练，将其连续重构误差描述符与参数特定的统计飞行历史特征融合，输入类加权 XGBoost 分类器区分 Normal、Speed High、Path High 和 Flaps Late 窗口。基于 NASA DASHlink 三个到达机场的 53,750 个进近窗口评估，重复划分与重训练下各机场平均 macro recall 均超过 0.90，连续特征融合优于仅用重构误差和硬门控方案。机场级比较显示较大数据集机场适合本地特化、最小数据集机场适合池化训练。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。