基于BP网络与D-S证据理论的态势估计问题研究

针对D-S证据理论应用于态势估计过程中,基本概率赋值函数难以确定的问题,提出一种基于神经网络获取基本概率赋值函数再进行证据组合的方法.首先,在传感器探测和0级处理、1级处理的基础上,将各时刻传感器所探测目标的状态、属性、类别、事件等提取出来;然后,经过预处理后利用BP神经网络进行敌目标意图分类识别;最后,将神经网络的输出作为基本概率赋值,采用D-S证据理论来完成决策级融合,实现对海战场的战术态势估计.通过算例仿真,结果表明该方法是一种有效可行的态势估计方法.     

基于BP-DS证据理论的航标状态识别模型研究

内河航标标示了可航行水域的边界,是保障内河船舶安全航行的重要前提.面向内河航标不同故障模式,构建一种基于BP-DS证据理论的航标状态识别模型.采用两个BP神经网络分别训练航标基础属性数据与环境因素数据,计算独立的证据值;通过DS证据理论实现航标运行状态识别结果的决策融合.结果表明,基于BP-DS证据理论的航标状态识别模...     

对转桨水动力性能实时预报方法

为了实现对转桨水动力性能实时预报,基于BP神经网络构建对转桨水动力性能预报模型。首先,采用低阶速度势边界元法建立对转桨水动力性能预报模型,通过调整来流速度和前后桨转速开展对转桨水动力性能多工况计算,从而获得构建神经网络所需的样本空间。建立适用于对转桨水动力性能预报的神经网络架构,通过训练使其具备良好的泛化能力。以某组对转桨为研究对象开展水动力性能实时预报方法研究,结果表明,采用BP神经网络预报模型可获得与边界元法精度相当的预报结果,但该模型与边界元法相比计算所耗时间可以忽略不计,可有效实现对转桨水动力性能实时、快速预报。     

基于径向基神经网络的舰艇空间磁场延拓

针对目前线性化方法解决舰船空间磁场之间推算时存在的困难,论文从智能优化的角度出发,建立了舰艇空间磁场之间的径向基神经网络预报模型。该方法避免了利用线性化方法存在的诸多困难,即可实现舰艇空间磁场的换算,并利用船模实验验证了网络预测的准确性,换算精度较高,满足工程实际需求。     

基于粒子群优化的深度随机神经网络

针对传统多层随机神经网络性能不稳定问题,提出了一类利用粒子群优化算法来优化各层权值的深度随机网络方法.该方法利用粒子群优化算法,结合网络的输入输出灵敏度信息,逐层对自动编码器的输入层权值进行优化,通过改善自动编码器的性能来改善多层随机神经网络的性能.最后利用粒子群优化方法,对整个网络的权值作适当优化,进一步提高深度随机神经网络的性能.相对于传统深度学习算法,该方法在保持收敛精度的基础上降低了时间开销;相对于传统深度随机神经网络,该方法在增加时间开销基础上提高了收敛精度,从而较好地平衡了时间复杂度和收敛精度.     

海底混响非瑞利特性研究及神经网络应用

基于单元散射理论介绍了瑞利分布模型和K分布模型,通过计算混响偏度和峰度判断出海底混响偏离瑞利分布模型,并利用CW信号、LFM信号的试验混响数据进行阵元域、波束域上的PDF曲线拟合。结果表明,海底混响的统计特性更趋向于K分布模型。利用BP网络方法和海底混响、点目标仿真信号的PDF特性进行了目标识别验证,其正确识别率达到了92%以上,且计算量大大降低。     

基于线谱特征提取的被动声纳目标识技术研究

该文针对被动声纳目标识别,着重研究了线谱特征提取方法,提出了一种自适应遗传BP算法,并用该算法训练神经网络目标分类器。经对上海上实录三类目标噪声分类识别实验结果表明,所设计的被动声纳目标识别系统具有很好的分类效果。     

基于模糊神经网络的柴油机排气噪声预测

应用模糊神经网络FNN(Fuzzy Neural Networks)的模糊推理对噪声数据的预测进行了研究分析.和传统的BP网络方法相比,模糊神经网络具有概念清晰,逻辑清楚,且不会限于局部极小点等特点,实验结果充分证明了这种方法的有效性,并且本文用较小规模的正交试验数据作为训练样本,达到了试验量少效果好的目的.     

ANFIS及其在控制系统中的应用

详细介绍了模糊推理系统FIS（Fuzzy Inference System）和自适应神经元模糊推理系统ANFIS（Adeptive Neuro-fuzzy Inference System）的基本概念,并着重论述了ANFIS在控制领域中的应用。最后举了一组通过样本数据对ANFIS进行训练的例子。实验结果表明,训练后的ANFIS能很好的控制实际的对象。     

基于两层编码的进化算法及其在控制混沌中的应用

针对RBF（Radial Basis Function)网特点,提出基于两层编码的进化算法来同时确定网络结构和参数。文中分别采用两种不同的遗传算法GA（Genetic Algorithm）和进化规划EP（Evolutionary Programming）训练网络。实验结果表明,基于这三种不同进化算法的RBF网络都能有效地控制混沌系统,其中EP的训练和控制结果最优。