详细内容或原文请订阅后点击阅览
None
None
来源:aviationfile航空业具有越来越多的集成机器学习（ML）技术，以提高运营效率，安全性和乘客体验。本文提供了对ML范式的深入探索，该范式是监督，无监督，半监督，强化，增强和自我监督的学习 - 并检查了他们在航空部门中的应用，并在现实世界中的案例研究中支持。
简介
机器学习，一个人工智能（AI）的子集，涉及算法的开发，使计算机能够根据数据学习并做出决策。在航空中，ML一直在应对复杂挑战，从预测维护到空中交通管理。
机器学习，人工智能（AI）的子集 空中交通管理的预测性维护了解深度学习：机器学习的专业分支
深度学习是机器学习的一个子集，它使用人工神经网络来建模大型数据集中的复杂模式。它在图像识别，自然语言处理和自主系统等任务中表现出色，通常需要广泛的计算能力和大量数据。尽管深度学习在AI的进步中起着重要作用，但本文将重点关注更广泛的机器学习范式及其在航空中的应用，而无需深入研究深度学习概念。
深度学习 本文将重点介绍更广泛的机器学习范例及其在航空中的应用机器学习范式
1监督学习
监督学习涉及在标记的数据集上进行培训模型，其中每个输入都与已知输出相关联。此范式广泛用于分类和回归任务。
示例 历史飞行数据的培训2无监督的学习
未标记的数据示例：基于预订行为和偏好而没有事先分类的乘客，实现个性化营销策略。