自适应调零天线对抗效能层次分析评估方法

针对自适应调零天线对抗中的干扰效能评估问题,提出了层次分析评估法.首先,选取对抗效能评估指标,建立评估层次结构模型;其次,利用层次分析法给出对抗效能的评估方案;最后,利用3种经典自适应调零算法在不同空域干扰下的性能指标进行评估实验.实验结果表明,所提方法能够在不同自适应调零天线对抗实验方案中进行合理、有效的评估,具有较强的适应性.该研究不仅可用于调零天线对抗方案的优化及其干扰效能评估,而且也可指导调零天线抗干扰技术的改进.     

基于BP神经网络的战场网络攻击效能评估

战场网络攻击效能评估是网络攻击研究的重要内容.为了评估战场网络攻击效能,构建了战场网络攻击能力评估指标体系,提出了基于BP神经网络的评估方法,给出了构造样本的方法,并用构造的样本对BP神经网络进行训练,最后利用Matlab软件对该网络进行了仿真.通过与模糊综合评判法得出的评估结果相比较,验证了该方法的有效性.该方法减少了评估中人为因素的影响,使评估结果更可信.     

基于CNN-ResNet-LSTM模型的城市短时交通流量预测算法

针对交通流量特性和外部因素对交通流量预测结果的影响,提出了一种对城市短时交通流量预测的模型CNN-ResNet-LSTM,将卷积神经网络（CNN）、残差神经单元（ResNet）和长短期记忆循环神经网络（LSTM）集成到一个端到端的网络框架.利用卷积神经网络来捕获城市区域间交通流量的局部空间特征,并在卷积神经网络中加入多个残差神经单元来加深网络深度,可提高预测的准确性;利用长短期记忆循环神经网络来捕获交通流量数据的时间特征;利用相应的权重将2个网络的输出结果融合,得到通过轨迹数据预测的结果;最后与外部因素融合,得到城市区域的交通流量预测值.用北京市轨迹交通数据对该模型进行验证,CNN-ResNet-LSTM模型不仅在准确率方面比传统模型高,而且在保证预测准确率的情况下,模型使用的参数也少.     

一种深度学习的信息文本分类算法

针对传统文本分类算法准确率低和正确率分布不均匀的问题,提出了基于深度学习的文本分类算法。深度信念网络具有强大的学习能力,可以从高维的原始特征中提取高度可区分的低维特征,不仅能够更全面的考虑到文本信息量,而且能够进行快速分类。采用TF-IDF方法计算文本特征值,利用深度信念网络构造分类器进行精准分类。实验结果表明,与支持向量机、神经网络和极端学习机等常用分类算法相比,该算法有更高的准确率和实用性,为文本的分类研究开拓了新思路。     

融合先验知识的深度学习模型快速训练方法

为了提高深度学习神经网络的训练效率,本文提出基于模型训练先验知识进行神经网络训练优化的方法。在深度学习中参数同构的思想指导下,利用神经网络多次迭代的卷积层参数训练回归模型,并指导神经网络参数变化。实验表明:本文提出的方法可以在不修改原网络模型结构的同时显著降低模型在训练过程中引发的震荡现象;在保持模型分类准确率的情况下可以有效降低模型训练时间达到10%以上;该方法应用在深度越深的神经网络中,时间上的优化效果会越明显。     

基于GA-BP神经网络的某型装备作战效能评估方法

针对BP神经网络存在易陷入局部极小值的缺点,利用遗传算法全局搜索能力强的特点,对BP神经网络的权值和阈值进行优化,建立了基于GA-BP网络的某型装备作战效能评估模型,给出了实际数据的评估结果.实验结果表明:GA-BP神经网络的泛化能力、评估准确性比BP神经网络的效果更好,这为评估某型装备的作战效能提供了一种新的思路.     

基于改进Adam-DBN的油井工况诊断方法

针对深度信念网络在油井工况诊断中由于梯度扩散导致训练效果差，模型诊断准确率不高的问题，提出一种基于改进Adam优化算法的深度信念网络油井工况诊断方法.以二值化处理后的示功图作为深度信念网络输入，利用对比散度算法对网络进行无监督预训练，以获取较优的初始权值；在反向传播微调网络过程中，运用动量法预测梯度下降位置，更新梯度下降方向，并通过学习率自适应选择下降步长，避免梯度扩散降低模型训练效果.某采油平台油井上的仿真实验结果表明，基于改进Adam优化算法的深度信念网络对油井工况的识别准确率较高，能更好地满足油田生产实际需求.     

一种耦合深度信念网络的图像识别方法

针对网络层数增加带来的梯度消失问题,提出了一种耦合深度信念网络的图像识别方法．该方法将“跨层”连接引入到深度信念网络中并应用于图像识别．给出了耦合深度信念网络的结构示意图及其参数更新方法,并在相同数据集和网络层数情况下比较了具有最佳参数的深度信念网络与最佳参数的耦合深度信念网络的识别性能,分析了“跨层”连接中主、次线耦合比例对网络性能的影响,且与几种经典的深度学习方法进行了对比．实验结果显示,耦合深度信念网络在收敛速度与识别精度上均优于深度信念网络．同时,相比于经典的深度网络,文中所提方法获得了良好的识别性能．这说明采用“跨层”耦合方式可有效缓解深度信念网络训练过程中出现的梯度消失问题,提高网络的识别性能．     

基于改进模糊层次分析法的效能评估方法研究

针对传统模糊层次分析法在确定指标权重时客观性差以及难以检验判断矩阵是否具有一致性等问题,提出了一种基于改进模糊层次分析法(FAHP)的效能评估方法.该方法引入模糊一致判断矩阵,求得各指标相对权重系数,再采用熵技术对指标权重进行客观修正;通过区分定性指标和定量指标,改进了模糊评判矩阵的建立方法.实例分析表明,改进的方法有效可行,为效能评估研究提供了合理依据     

基于BP和Kohonen神经网络结合的铸坯在线质量评估

针对连铸坯铸造在线质量评估中存在的实时性和准确性评判误差较大等问题,提出一种基于人工智能神经元网络技术的在线质量评估方法.通过获取训练样本和进行独立实验,分析和研究了铸造材料中主要元素对在线连铸坯质量的影响.将收敛速度快、评判准确率高的BP神经网络模型和Kohonen自组织特征映射神经网络模型相结合,在评估过程中两者并行运算,评判结果相互融合,实现了对连铸坯在线质量的准确判定.MATLAB仿真结果表明,融合运算后的在线质量评估平均相对误差小于10%.     

基于迁移学习与深度森林的晶圆图缺陷识别

为了有效识别晶圆图缺陷模式并及时诊断制造过程的故障源,提出基于迁移学习和深度森林集成的DenseNet-GCForest晶圆图缺陷模式识别模型. 为了解决深度学习模型训练困难和晶圆图缺陷类型数目不平衡的问题,利用迁移学习将深度卷积神经网络DenseNet在ImageNet上预训练的网络权重参数迁移至本模型并重新设计分类层,以减少深度网络模型的训练时间并提高模型的特征提取能力;基于DenseNet网络提取的高维抽象晶圆图特征,引入深度森林模型进行晶圆图特征缺陷模式识别. 工业案例的实验验证结果表明,该方法的识别准确率达到了96.8%,并提高了识别效率,其性能优于典型的卷积神经网络以及其他常用识别方法.     

基于改进深度信念网络的燃气轮机故障诊断

针对传统智能诊断方法使用的浅层模型难以准确挖掘信号特征量与对应故障原因之间复杂的映射关系,导致故障诊断精度不高的问题,提出了一种基于深度信念网络(DBN)的燃气轮机故障诊断方法。采用Apriori关联度分析法分析燃气轮机故障模式与故障特征向量之间的关系,生成关联度矩阵;根据关联结果筛选出满足精度的特征向量作为输入,同时结合遗传算法(GA)对深度信念网络的结构参数进行优化,建立了基于GA-DBN的燃气轮机故障诊断模型。最后通过诊断实例验证了所提方法的有效性。     

运用改进AHP的天波超视距雷达作战效能评估

为客观评估天波超视距雷达的作战效能,根据天波超视距雷达作战任务和工作特点,构建了作战效能评估指标体系;在传统层次分析法仅考虑指标在垂直层次上重要程度的基础上,考虑同一层次上各指标的相互影响和制约关系,构建了带约束条件的效能函数和指标邻接关系矩阵,提出了基于改进型层次分析法的效能评估模型.实例分析表明,该评估模型能较全面、科学地评定天波超视距雷达的作战效能,为兵力运用和指挥决策提供一定的参考依据.     

基于阴影集数据选择的可拓神经网络性能改进

为了改进可拓神经网络的性能,提出一种基于阴影集的数据选择方法.通过该方法获取用于训练可拓神经网络的训练样本,进而改进可拓神经网络的性能.针对可拓神经网络的特点,选择核数据和边界数据作为可拓神经网络的训练样本;利用基于阴影集的数据选择方法,可以自动获取核数据和边界数据.实验结果表明,与传统可拓神经网络相比,改进的可拓神经网络不仅节约了训练时间,而且网络的泛化能力和分类识别准确度得到了有效提高.     

基于改进的BP神经网络模型的雷达网效能评估

为拓展雷达网效能评估的内容、改进评估方法和提高评估效率,重构了雷达网效能评估指标体系,给出了各指标的量化模型和方法;针对BP神经网络收敛速度慢、局部极小化问题,提出了利用遗传算法(GA)优化BP神经网络的方法,并采用GA+BP神经网络模型对雷达网部署方案进行了评估优选.仿真结果表明,运用GA算法改进的BP神经网络具有更快的收敛速度和更高的预测精度,可作为雷达网效能量化评估的有效手段,为雷达兵作战筹划提供科学决策依据.     

基于迟滞神经网络的风速时间序列预测

为了改善风速时间序列的预测性能,提出了一种基于迟滞神经网络的预测方法.通过改变神经元激励函数的方式将迟滞特性引入神经网络中,以增强历史输入对当前响应的影响,从而提高有用信息的利用率,提高风速时间序列的预测性能;借助于相空间重构理论构造风速预测训练样本,采用梯度下降法对网络权值进行训练,利用遗传算法对迟滞参数进行优化.仿真结果表明:与传统神经网络及ARMA模型等方法相比,迟滞神经网络能够有效减小风速时间序列的预测误差,提高预测性能.     

潜油柱塞泵MMAGA-RBF故障诊断方法

针对潜油柱塞泵无法使用传统地面示功图方法进行故障诊断的问题,提出了一种适用于该抽油机的故障诊断方法.该方法首先利用多变异位自适应遗传算法(MMAGA)对RBF神经网络进行参数寻优,然后从潜油直线电机的运行参数和油井井口的仪表参数等综合数据中,提取出反映油泵运行状态的特征参数,并将其作为故障诊断模型的输入向量,从而实现潜油柱塞泵故障工况的诊断.结果表明:MMAGA-RBF故障诊断方法能够在较少的训练样本下达到较高的综合诊断准确率,在训练样本集达到1 000组以上时,其综合误判率可低于4%,相对于普通遗传算法优化的模型,其泛化能力更强.MMAGA-RBF故障诊断方法符合潜油柱塞泵的工况特点,能够达到其综合诊断准确率的要求.     

无线通信系统综合抗干扰效能评估

无线通信系统综合抗干扰效能评估是现代通信对抗过程中的重要环节。该文对无线通信对抗双方的博弈机理进行了研究,基于层次分析法,构造了敌对电磁环境下的无线通信系统指标评价体系,提出了一种针对无线通信系统综合抗干扰能力的效能评估模型。通过对多个无线通信要素的归一化处理,利用该模型可对各种对抗环境和研制阶段下的无线通信系统进行综合抗干扰能力评比。进一步的仿真表明,利用该评估模型,结合干扰识别技术,还可有效提高无线通信系统的综合抗干扰能力。     

一种天波超视距雷达作战能力评估方法

基于对天波超视距雷达（OTHR）的两大作战能力的7类18种具体战、技性能指标的定性分析,采用层次分析法建立了一种具体的四级层次结构的作战能力定量评估模型,具体讨论了各级指数的定量计算方法;并利用两种典型的OTHR系统的具体参数以及部署使用时的多种外界限制条件,对模型的有效性进行了检验.结果表明,运用该方法对天波超视距雷达进行作战效能评估是有效可行的.     

基于云模型的通信干扰系统效能评估

针对通信干扰系统效能评估的复杂性,运用云模型对其进行了研究,提出了基于云模型的通信干扰系统效能评估模型.首先建立了通信干扰系统效能评估指标体系,然后给出了运用云模型进行效能评估的详细算法,最后通过实例进行评估验证.结果表明此方法能较好地融合主客观信息,有效地集成了模糊性和随机性,可操作性强,为通信干扰系统效能评估提供了一种有效方法