基于Elman神经网络的空战威胁排序研究

依据空战态势、空战效能以及目标战役价值,采用威胁指数法建立了空战目标威胁评估模型。在威胁评估的基础上,研究了空战中基于Elman神经网络的目标威胁排序方法。考虑到Elman神经网络的学习性能和收敛性,采用附加动量项、自适应改变各参数学习率以及重置算法改进网络权值的学习算法。算例结果表明,采用Elman神经网络对空战目标进行威胁排序的方法是有效的,且改进的学习算法提高了网络的学习效率,有效地抑制了局部极小值的出现。该方法有利于提高火控系统的智能化水平。     

基于卷积神经网络的单机空战威胁评估

针对传统的空战威胁评估方法处理单机空战数据时难以兼顾准确率和实时性等问题,文中提出了一种基于卷积神经网络（Convolutional Neural Networks,CNN）的空战威胁评估模型。基于作战任务背景对空战要素进行分析,提取主要威胁指标;构建威胁指数函数公式,以威胁要素为输入,输出威胁值,将威胁值量化后生成训练样本数据,利用卷积神经网络模型进行训练。仿真结果表明,该模型在具有实时性、满足实战要求的前提下,同时兼具较高的准确率,三种敌机威胁等级的识别准确率达98.50%。     

基于RBF神经网络的空袭目标威胁评估模型研究

为了辅助作战指挥员对空袭目标威胁程度做出正确判断,对作战提供正确决策,将径向基函数（RBF）神经网络应用于防空指挥控制系统中,给出了涉及空袭目标威胁评估的因素及其数学模型,建立了基于RBF神经网络的空袭目标威胁评估算法。同时,通过专家给出的训练样本在Matlab环境下对该模型进行了仿真计算,结果表明该模型方法评估结果准确、快速。     

基于离差最大化的空战目标威胁评估

威胁评估是协同多目标攻击空战决策的关键技术之一。在分析了现有的目标威胁评估方法中距离威胁模型存在不足的基础上,考虑敌我双方飞机的雷达最大探测距离和导弹最大射程的不同情况,提出了改进的距离威胁模型。针对传统威胁评估方法在确定权重系数方面的缺陷和不足,提出了运用离差最大化方法来解决目标威胁评估问题,给出了离差最大化方法确定威胁因素权重的具体步骤。建立了目标威胁评估的数学模型,并进行了仿真研究,仿真结果表明该方法是合理和有效的。     

基于直觉模糊集的空战动态多属性威胁评估

针对实际空战中目标多属性及动态变化的特点,提出了一种动态多属性威胁评估方法。在建立威胁评估指标体系的基础上,依据目标多个时刻的属性信息,结合直觉模糊集给出了一种构造虚拟最优目标的方法以确定目标属性权重,设计了一种基于正态分布累积分布函数确定时间序列权重的方法,最后借鉴TOPSIS的思想实现了空战动态威胁排序。仿真结果说明了该算法的合理性。     

基于自适应直觉模糊推理的威胁评估方法

将直觉模糊集理论引入信息融合领域,提出一种基于自适应直觉模糊推理的威胁评估方法。首先,分析了现有威胁评估方法的特点与局限性,建立了基于自适应神经-直觉模糊推理系统(ANIFIS)的Takagi-Sugeno型威胁评估模型。其次,设计了系统变量的属性函数和推理规则,确定了各层输入输出的计算关系,以及系统输出结果的合成计算表达式。再次,分析了模型的全局逼近性,设计了网络学习算法。最后,以20批典型目标的威胁评估为例,给出相应的评估结果,验证了方法的有效性和模型的正确性。实践结果表明,该方法可以提高威胁评估的可信度,改进评估质量,提高推理结果综合值的精度。     

基于模糊理论海上目标威胁评估的改进算法

应用神经网络,对基于模糊理论的海上目标威胁评估的方法进行改进。首先分析了目标的主要因素,应用模糊理论对其进行量化和归一化处理,然后采用神经网络方法进行威胁评估,提高威胁评估的准确性。     

基于RBF神经网络的辐射源威胁评估

提出基于一种新的鲁棒性径向基(RBF)神经网络的辐射源威胁评估方法。此网络应用Log-Sigmoid函数作为基函数，避免了学习过程中的不稳定状态，并且比传统的RBF有更好的学习性能和函数逼近能力。并介绍一种新的归一化函数，通过归一化函数把不同类型、不同量纲的原始评估数值转换到[-1，1]区间，该归一化函数较好地体现了“奖优罚劣”的原则，同时又更有利于神经网络的训练。仿真实验证明了该方法的优越性。     

基于Vague集TOPSIS法的空中目标威胁评估

为了快速准确地对空中目标进行威胁度判断,提出了一种基于Vague集TOPSIS法的目标威胁评估新方法。首先,分析并确定了空中目标威胁因素中的定性指标和定量指标,通过采用语言变量的Vague值表示法对定性指标进行表示,克服了传统的模糊集不能表达非隶属函数的缺陷。然后,对定量指标中的效益型指标和成本型指标进行规范化处理,建立了基于Vague集的空中目标威胁评估决策矩阵。最后,运用经典的TOPSIS方法,计算各目标的综合威胁指数,对空中目标进行威胁程度排序,并通过防空作战空中目标威胁评估的实例,验证了该方法的实用性和有效性。     

基于TOPSIS方法的空战威胁评估研究

威胁评估是单机多目标攻击和空战协同战术决策的一项重要内容,首先提出了威胁评估指标的确定方法,然后阐述了TOPSIS(逼近于理想的排序法)方法的计算步骤,最后给出算例。该方法计算简单明确,可以有效地完成多机空战中威胁评估和威胁排序的计算,是解决威胁评估问题的一种有效途径。     

基于BP神经网络的客户信用风险评价

我国商业银行信用风险管理不足,已经严重影响银行的发展,因而银行需要重视客户信用风险评估。分析了银行信用风险的成因及评估存在的问题,从企业的财务情况出发,建立了客户信用风险评估指标体系。随机选取了我国制造业的160个上市公司样本,包括36个ST企业和124个非ST企业,并基于三层BP神经网络对样本进行训练及仿真测试,研究发现BP神经网络适用于信用风险评估,且其准确性优于Logistic回归模型。最后,从银行、企业、政府三个角度出发,对我国商业银行信用风险管理提出了一些建议及对策。     

协同空战中目标的威胁判定方法

作为信息化条件下的一种重要空战模式,协同空战中的目标威胁等级的判定为武器资源的有效配置提供了重要依据。采用灰色多层次评判方法,依据空战效能、空战态势及作战意图所建立的目标威胁评判模型,兼顾单机、编队的生存威胁和完成作战任务的风险因素,做到定量与定性相结合。算法满足独立性和兼容性要求,易于根据实战情况修改评判参量。     

预警机指挥多编队作战中的威胁评估算法研究

在预警机指挥下的多编队作战中,态势评估和目标分配是关系到作战结果好坏的重要问题.作为态势评估的一部分,威胁评估是进行合理的目标分配的前提.基于多属性决策的原则,分析了影响目标编队威胁程度的重要因素,建立了预警机指挥多编队作战的威胁评估模型.运用适合多编队多机型作战分析的平均数动力学方法,提出了计算目标编队威胁程度的算法,并验证了模型的有效性.     

基于BP神经网络的民用航空航段安全风险评估

基于反向传播（BP）神经网络,建立了民用航空航段安全风险评估模型。采用MATLAB软件并通过某航空公司A320机型的实际飞行数据,实现神经网络模型的训练与检测,误差在可接受范围内。试验结果表明,该评估模型能够体现和反映航段安全风险。同时,基于此模型建立了航段安全风险评估原型系统,为航空公司进一步实施安全管理以及民航局履行政府安全监管职能提供科学手段和工具。     

单机多目标攻击的目标威胁排序

本文讨论空对空单机多目标攻击的威胁目标排序问题,首先概述了目标威胁排序算法,然后讨论了目标威胁因素的威胁指数计算及综合威胁度计算方法,最后采用典型用例进行了计算。结果表明本文所提出的威胁评估算法与实际情况相当符合,而且算法简单,易于工程实现。     

基于人工神经网络的长江水质评价模型

为了能够客观地对长江水质进行评价,在分析人工神经网络原理的基础上,通过对水质污染指标浓度生成样本的方法,生成了适用于人工神经网络模型训练的样本,并应用基于误差反向传播原理的前向多层神经网络,建立了用于长江水质评价的人工神经网络模型。将该模型用于长江水环境评价,通过模型的计算,得到长江水质类别。评价结果表明该模型设计合理、泛化能力强,对长江水质评价具有较好的客观性、通用性和实用性。     

基寸S7-200PLC的模糊神经网络算法设计

随着智能信息技术的发展,模糊神经网络算法广泛应用于工业控制。但该算法尚未应用于PLC。针对这种现状．给出基于S7-200PLC的模糊神经网络算法设计。利用模糊神经网络算法的理论知识,在S7—200的平台上采用梯形图和指令表两种模式编程设置。并利用PLC仿真软件对其仿真,仿真结果达到预期目标。     

基于模糊神经网络的执行器故障诊断

针对神经网络在故障诊断中的局限性,提出了一种将模糊理论与BP神经网络结合的故障诊断方法,使其应用到执行器故障诊断中.通过和BP神经网络学习算法对执行器故障诊断的结果比较来证明模糊神经网络算法的优越性.首先介绍执行器常见故障;其次对故障征兆进行模糊化预处理,获得了神经网络训练样本,最后应用Matlab软件进行了系统仿真.仿真结果表明:该方法收敛速度快、诊断精度高、自适应性强,能够有效地诊断执行器故障.