인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
학술저널
DBpia Top 10%
오류 신고하기해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
초록·키워드
Recent advances in deep learning have led to the widespread use of convolutional neural networks (CNNs) and recurrent neural networks (RNNs) across various fields. For aircraft attitude estimation, CNNs can effectively extract spatial features from images, whereas RNNs model temporal continuity for more accurate predictions. This study proposes a hybrid method that combines CNN and RNN architectures to improve the accuracy and stability of real-time aircraft attitude estimation. CNN extracts spatial information from each frame, and the RNN captures the temporal dependencies to predict attitude changes. A dataset from the X-Plane 11 simulator collected under diverse environmental conditions was used to train the model. The proposed approach achieved high accuracy based on performance metrics, such as the mean absolute error, root mean square error, and R-squared, confirming its effectiveness. The simulation results demonstrated reliable attitude estimation even in complex environments, making it suitable for real-time autonomous flight systems. These findings suggest that the proposed model can significantly enhance the safety and reliability of such systems.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
