基于BP 神经网络的渡江工程信息控制效能评估

为科学测度渡江工程信息保障中的信息控制效能,提出一种基于BP神经网络的渡江工程信息控制效能评估方法。围绕渡江工程信息保障任务的关键节点和预期目标,构建渡江工程信息控制效能评价的指标体系;利用神经网络非线性拟合精度高以及自调节功能强的特点,设计BP神经网络效能评估模型;利用仿真实验对模型进行验证分析。结果表明：模型应用于渡江工程信息控制能力指标评价样本,验证了BP神经网络在渡江工程信息控制效能评估中的有效性。     

基于BP神经网络的无线电导航系统效能评估

针对无线电导航系统的特点,构造了其系统效能评估的指标体系,提出了一种基于BP神经网络的导航系统效能评估新方法,并运用训练好的三层BP神经网络对某型导航雷达系统进行了效能评估.结果表明,这种方法科学合理,能减少评估的工作量和主观因素的影响,使结果更具可信性.     

BP神经网络在装备保障性评估中的应用

通过分析装备保障性的影响因素,建立装备的保障性评估指标体系;由于装备保障性影响因素与保障性评估结果存在非线性关系,而BP神经网络可以逼近任意的非线性映射,因此将BP神经网络引入到装备保障性评估中,并建立BP神经网络评估模型,解决装备保障性这一类非线性评估问题;仿真结果表明:该评估模型可以准确有效地评估装备保障性,为提高装备保障能力提供有益的借鉴。     

基于灰色层次分析法-BP神经网络的数据链系统效能评估

为进一步提高效能评估的可信性及智能化水平,提出了一种基于灰色AHP理论的数据链系统BP神经网络效能评估模型.从数据链系统性能结构出发,针对数据链信息优势的特点,建立了数据链系统作战效能评估指标体系.通过专家组依据标准打分的方式,采用AHP确定指标的权重向量,考虑借助灰色理论白化指标,最后与不同灰类分效能值聚合生成综合效能评价值从而建立了效能输出模型.构造三层BP神经网络模型,以专家的知识与经验作为输入,以灰色AHP综合效能评价值作为输出训练网络.最后通过实例验证,由于该模型运用BP神经网络非线性拟合的优势继承并有效聚合了专家的知识与经验,结果与专家评定一致,从而论证了模型的有效性及可靠性,为数据链系统效能评估提供了智能化的算子,在数据链的发展和应用中发挥重要作用.     

BP神经网络在弹丸总体效能评价中的应用

应用BP神经网络技术解决弹丸总体效能评价问题进行了探讨,给出了弹丸总体效能评价体系,神经网络评价模型和算法。对层次TOPSIS法评价结果与神经网络评价结果进行比较,结果表明神经网络的评价结果受决策者的主观性影响较小。     

基于BP神经网络的地空导弹武器系统作战效能评估

地空武器系统拦截巡航导弹的作战效能评估,运用3层BP神经网络进行.先通过层次分析法或专家打分法获得原始训练样本,再对样本进行归一化处理,最后编辑神经网络应用程序.结果表明:在选定指标的基础上,BP神经网络对武器系统作战效能评估是合理的.     

BP神经网络在空袭目标优选中的应用

空袭目标优选,应用改进的BP神经网络算法.即在空袭目标优选评估指标体系基础上,建立BP神经网络,通过定义学习代价函数、确定函数输出信号、修正函数信号.并通过网络初始化等改进BP算法,以激活函数敏感性,加速网络收敛.算例验证了该算法合理性,稳定性良好.     

基于BP神经网络的导弹阵地选择评估

战时对导弹阵地能否进行快速选择是直接影响导弹的总体作战效能．通过对导弹阵地选择情况的分析，建立了导弹阵地选择评估指标体系，并使用改进型的BP神经网络，建立相应的BP神经网络评价模型，应用MATLAB的神经网络工具箱将各项指标归一化作为网络输入，专家的评价结果作为网络输出，对训练好的模型进行验证，结果令人满意．     

基于BP神经网终的导弹阵地选择评估

战时对导弹阵地能否进行快速选择是直接影响导弹的总体作战效能．通过对导弹阵地选择情况的分析，建立了导弹阵地选择评估指标体系，并使用改进型的BP神经网络，建立相应的BP神经网络评价模型，应用MATLAB的神经网络工具箱将各项指标归一化作为网络输入，专家的评价结果作为网络输出，对训练好的模型进行验证，结果令人满意．     

基于BP神经网络的防空武器系统保障性评估

通过对防空武器系统的分析，建立了防空武器系统保障性评估指标体系，并应用BP神经网络方法建立了防空武器系统保障性评估的人工神经网络模型，克服了评价中的不确定性、模糊性、复杂性等问题。理论分析与实例计算结果表明，该评价方法可行而且有效，证实了模型的科学性与正确性，可为防空武器系统的研制、改进和采购等提供一定的参考依据。     

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。     

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BAS-BP 神经网络的多应力加速寿命试验预测方法

为解决多应力条件下加速寿命试验中建立复合加速模型困难、模型参数难以求解以及建模过程中通常忽 略应力间耦合作用的问题,根据天牛须搜索建立改进的BP 神经网络模型。使用多应力加速寿命试验中收集的4 组 应力水平的失效数据对BAS-BP 神经网络模型进行训练,对第5 组应力水平下的可靠度与失效时间进行预测。利用 平均相对误差、拟合优度2 个参数对模型的预测结果进行评价,并与BP 神经网络的预测结果进行对比。结果表明, BAS-BP 神经网络具有更好的准确性及鲁棒性。     

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。     

基于粗糙集和BP 神经网络的导弹备件消耗预测

针对神经网络预测导弹备件消耗时参数过多会导致事件过长并易陷入局部最优的问题,建立一种基于粗糙集和BP神经网络的导弹备件消耗预测模型。在对采集到的导弹备件消耗信息进行特征提取、形成决策表的基础上,用粗糙集理论对原始信息表进行约简,去除冗余的属性和属性值,并将约简的影响因素值输入到BP神经网络中进行训练预测。实例结果表明：该预测方法大大减少了网络的收敛时间,提高了模型的预测精度,为导弹备件消耗预测提供了一个新的思路。     

人工神经网络在运动控制中的应用

介绍了人工神经元模型与神经网络基本结构。阐述了多层前向网络的工作原理及误差反转（BP）算法,探讨了用于运动控制的单神经元PID控制器的结构与基于BP网络的模糊自适应PID控制,给出了由传统PID控制器,模糊量化处理,系统辨识神经网络NNM和系统控制网络NNC组成的基于BP网络的模糊自适应PID控制器结构,并讨论了人工神经网络在运动控制领域中应用的发展趋势。     

改进BP神经网络在航空弹药预测中的应用

对航空弹药消耗的准确预测是未来战争取胜的一个重要因素,然而战场复杂多变,传统的方法难以进行及时准确地预测.采用了BP神经网络对单个目标航空弹药进行预测,针对常规BP神经网络收敛速度慢、存在所谓"局部最小值"等缺陷,提出了具有全局收敛性的Fletcher-Reeves共轭梯度算法对常规BP网络进行改进,并将改进后的BP网络应用于单个目标航空弹药预测仿真试验中.结果表明,改进BP网络能克服局部极值、快速提高网络收敛速度,并能较为准确地预测航空弹药的需求量.     

基于复合基神经网络的声目标分类识别

根据径向基函数(RBF)神经网络和前馈(BP)神经网络的特点，将BRF网络和BP网络结合起来构成复合基网络，并使用此网络进行声信号的分类识别。试验表明，该网络具有较好的综合分类识别性能，其分类能力优于RBF网络和BP网络。