基于BP-GA的防空兵作战指挥能力评估

考虑一级评估指标,用逐层分解方法建立多级评估指标体系.通过BP和GA组合算法估算防空兵作战指挥能力.步骤包括:选取影响能力评估的关键因素指标;构建能力评估神经网络,进行能力标准化预处理;计算模式误差,确定GA的适应度函数;用GA对BP的权值分布进行优化;最后用BP算法进行学习训练,直到条件满足.     

基于BP—GA的防空兵作战指挥能力评估

考虑一级评估指标，用逐层分解方法建立多级评估指标体系。通过BP和GA组合算法估算防空兵作战指挥能力。步骤包括：选取影响能力评估的关键因素指标；构建能力评估神经网络，进行能力标准化预处理；计算模式误差，确定GA的适应度函数；用GA对BP的权值分布进行优化；最后用BP算法进行学习训练，直到条件满足。     

神经网络在导弹贮存可靠性预测中的应用

为了更准确预测导弹贮存可靠性,提出基于全局逼近BP网络和局部逼近RBF网络对导弹贮存可靠性进行预测,给出了预测的基本步骤,分别基于BP网络和RBF网络对某型舰舰导弹的贮存可靠性进行了预测,结果表明:这两种网络都能够解决导弹贮存可靠性预测的问题,预测误差均满足要求;RBF网络预测精度略高于BP网络,具有更好的函数逼近能力。RBF网络更适用于导弹贮存可靠性的预测。     

基于神经网络的弹道修正弹落点预测方法

为了分析神经网络运用于弹道预测的可行性,构建了实用的弹道预测工具,建立了基于神经网络理论的弹道预测模型。利用二自由度质点弹道模型,选取BP网络和Elman网络进行神经网络弹道预测仿真。基于误差反向传播理论,比较了带动量项算法与自适应学习率算法这2种网络权值训练速度。对2种网络不同隐层节点数的学习误差和预测误差进行了对比分析。数值仿真计算结果表明,神经网络具有较高的预测精度,36.7 km射程仅有不足100m的射程误差,12.3 km射高仅有不足70 m的高度误差,预测结果满足要求,利用神经网络进行弹道预测是合理可行的。     

一种误差梯度变化平滑的目标检测算法

在YOLOv5算法的基础上提出一种改进梯度变化的目标检测算法.该算法在YOLOv5的基础上,保留其骨干网络框架,在其特征处理部分中,对池化操作进行替换,将原本的最大池化操作替换为平滑池化操作,同时将特征处理部分的Leaky ReLU激活函数替换为Mish函数.经过上述修改后的检测算法在训练阶段的误差反向传播过程中能够令权重参数具有更加平滑的梯度变化.     

离散探测点序列的最优化计算

摘要：针对离散时间探测随机运动目标这类问题,设计一种新的最优探测点序列逼近算法。在搜索状态建模和 求解一阶搜索状态方程特征迹线解的基础上,建立对随机运动进行离散时间探测的发现概率最优控制模型,结合动 态规划原理,实现该算法步骤。在满足1 阶搜索状态方程的随机恒速目标条件以及有限指数探测函数条件下,将算 法应用到算例。结果表明：当随机恒速运动目标初始位置和速度均服从圆正态分布时,该算法能由任意给定的初始 探测点序列优化收敛,满足精度要求的最大发现概率的最优探测点序列。     

GA-BP网络建模在套料钻性能预测中的应用

将BP神经网络建模技术和遗传算法(GA)应用于套料钻性能预测。利用BP神经网络建立套料钻性能预测模型,通过比较实际误差梯度值与给定误差梯度值,来确定BP网络是否处于局部极小状态;GA仅在BP网络处于局部极小时进行学习,对BP网络的连接权值进行优化。BP神经网络和GA两者的有效结合可以解决BP算法固有的缺陷,如收敛速度慢、易陷入局部极小等。套料钻加工性能试验结果表明预测结果和实际结果吻合程度较好,验证了GA-BP网络模型在套料钻性能预测中的有效性和准确性。     

战场目标价值评判的神经网络方法

在建立目标价值评判指标体系的基础上,利用BP神经网络构建3层结构多节点模型进行战场目标的价值排序.网络以对数sigmod函数为传递函数,选取典型目标组成学习和测试样本,采用改进后的弹性BP算法完成模型的训练和测试,由此绘制出网络误差变化曲线和权值、阈值Hinton图.经学习、测试和大量泛化目标的检测,模型能成功运用于战场目标价值排序.     

自适应模糊神经网络在用电预测中的应用

电力三产用电量预测模型,基于自适应神经网络模糊推理系统(ANNFRS)原理及电力负荷的历史数据建立.该系统由7个隐含层数,5个隶属度函数组数据模型组成.网络使用Levenberg-Marquardt算法训练,每个局部映射参数采用线性最小二乘估计算法.仿真结果表明拟合误差的数量级为10-5,能满足负荷预测要求.     

基于Elman神经网络的激光陀螺输出误差模型研究

惯性器件误差补偿技术对提高捷联惯导系统的导航精度具有十分重要的意义,而误差补偿的关键在于误差模型的辨识。探讨了将Elman神经网络应用于惯性器件误差建模中,详细介绍了Elman网络和其对应的学习算法。仿真结果证明了该方法的可行性,并且,该方法具有网络收敛速度快、跟踪性能好、稳定性好等优点。     

基于遗传算法优化BP神经网络的供暖系统热负荷预测模型

针对供暖系统热负荷短期预测问题,利用改进的遗传算法(genetic algorithm,GA)对BP神经网络(back propagation neural network)的初始权值和网络结构进行优化,并在遗传进化过程中采取保留最佳个体的方法。该方法克服了一般BP网络初始权值的随机性和网络结构训练过程中的所带来的网络震荡,以及一般BP网络容易陷入局部极小等问题。同时结合一般BP神经网络方法进行仿真实验和分析比较,结果表明:该方法具有全局寻优能力,预测精度高,绝对和相对误差较小,收敛速度快,能够有效针对供暖系统热负荷进行短期预测。     

基于改进BP网络的装甲装备机动性能评估模型

收敛速度慢、易陷入局部极值是传统的BP神经网络难以避免的问题,最终可能导致网络训练失败．在量化装甲装备机动性能指标的基础上,采用遗传算法对BP神经网络权值进行优化,用自适应梯度下降法对传统BP神经网络进行训练,从而建立装甲装备机动性能评估模型,并通过二次训练得到评估值．仿真结果表明该改进网络收敛速度明显优于传统网络,能有效避免局部板值问题。     

基于BP神经网络的火炮反后坐装置故障诊断

火炮反后坐装置的故障诊断,采用3层BP神经网络.通过基于标准梯度下降或基于标准数值优化的改进算法,同时考虑算法本身性能,及问题复杂度、样本集大小、网络规模、网络误差目标和所要解决的问题类型.并以解析算法的部分计算结果作为神经网络学习样本集,由相关方程式算出样本库内的故障现象及与故障原因相对应的训练样本,完成故障诊断.     

BP网络泛化能力的改进方法

改进的BP算法把检验网络得到的性能指标J反馈回神经网络训练中,利用J和testJ构造出新的性能指标newJ,通过训练和检验的性能指标加权得到神经网络最优权值和阈值.用检验样本集间接地调整网络参数,使网络既能搜索更优解又不过早陷入局部极小值,从而提高网络的泛化能力.     

基于混沌神经网络的防空火箭炮交流伺服系统状态预测研究

为了更加准确地对系统非线性非平稳状态趋势进行预测,运用基于神经网络的混沌预测方法对防空火箭炮交流伺服系统的速度量进行了预测,为基于速度预测值的系统非线性非平稳状态趋势预测奠定了基础。利用C-C法选择了合适的嵌入维和时间延迟,对防空火箭炮交流伺服系统不规则运动的实验数据进行了相空间重构并进行了分析。在原Elman网络中增加了输出层关联单元,并把自反馈增益系数当作连接权值投入到网络的训练中,以增强Elman网络非线性逼近能力,在此基础上建立了基于改进型Elman网络的混沌预测模型。采用基于最大Lyapunov指数预测法和混沌神经网络预测法对系统状态进行了预测,两种方法的预测结果表明,后一种方法对防空火箭炮交流伺服系统速度值预测精度更高,从而使得基于此的系统非线性非平稳状态趋势预测更有效。     

基于BP的地空导弹人-机-环系统作战效能评估

针对现代空袭兵器的特点,建立地空导弹人机环系统的作战效能评估指标体系,并采用BP神经网络方法对其作战效能进行分析评估.该神经网络输入层节点分别对应评估指标体系最底层的指标,隐层节点数在训练过程中可视网络的泛化能力调整,输出节点数则分别对应于效能评估等级.神经元输入与输出之间转移函数选取S型函数.评估步骤包括:训练样本的选取、样本的归一化处理、神经网络的训练、示例分析.