



论文阅读:Aircraft Trajectory Prediction Model Based on Improved GRU Structure
本文提出了一种改进的飞行器轨迹预测模型Elastic-BiGRU,通过结合平滑滤波、弹性网络拟合和双向GRU结构,构建了"数据预处理-特征优化-时序预测"的完整框架。该模型首先利用平滑滤波方法剔除轨迹数据中的极值点,再通过弹性网络算法修正偏差和补充缺失数据。实验结果表明,相比传统Bi-LSTM和Bi-GRU模型,该方法的MSE误差分别降低了8%和11%以上,同时训练时间节省约20%,在航迹预测的综合性能上表现出更好的稳定性和准确性,为空管工作提供了有效的技术支撑。

【论文阅读】BEVFormer论文解析及Temporal Self-Attention、Spatial Cross-Attention注意力机制详解及代码示例
BEVFormer是一种基于时空变换器的多摄像头鸟瞰图生成模型,其核心创新在于时空注意力机制的设计。模型通过空间交叉注意力(Spatial Cross-Attention)将多视角2D特征映射到BEV空间,同时利用时间自注意力(Temporal Self-Attention)融合历史帧信息。这两种注意力机制的计算复杂度分别为O(N×M)和O(T²),分别负责空间特征聚合和时间运动建模。实验表明,该方法在nuScenes数据集上实现了SOTA性能,mAP达到56.9%,NDS指标达62.8%。该技术为自动驾驶