火力与指挥控制
火力與指揮控製
화력여지휘공제
FIRE CONTROL & COMMAND CONTROL
2013年
10期
99-102
,共4页
自组织映像%BP云神经网络%通信对抗%效能评估
自組織映像%BP雲神經網絡%通信對抗%效能評估
자조직영상%BP운신경망락%통신대항%효능평고
self-organization mapping%BP cloud-neural network%communication countermeasure combat%efficiency evaluation
为了增强神经网络训练样本的可靠性和正确率,提高网络自学习和自适应能力,使评估结果快速准确,针对通信对抗作战能力指标体系,在云神经网络的基础上,提出了基于SOM-BP云神经网络的效能评估方法.该方法利用SOM对样本数据进行聚类,选择具有特征性的样本对改进型的BP云神经网络进行训练.结果表明,该方法相对于BP神经网络,不仅收敛速度快,迭代次数少,而且准确率高.
為瞭增彊神經網絡訓練樣本的可靠性和正確率,提高網絡自學習和自適應能力,使評估結果快速準確,針對通信對抗作戰能力指標體繫,在雲神經網絡的基礎上,提齣瞭基于SOM-BP雲神經網絡的效能評估方法.該方法利用SOM對樣本數據進行聚類,選擇具有特徵性的樣本對改進型的BP雲神經網絡進行訓練.結果錶明,該方法相對于BP神經網絡,不僅收斂速度快,迭代次數少,而且準確率高.
위료증강신경망락훈련양본적가고성화정학솔,제고망락자학습화자괄응능력,사평고결과쾌속준학,침대통신대항작전능력지표체계,재운신경망락적기출상,제출료기우SOM-BP운신경망락적효능평고방법.해방법이용SOM대양본수거진행취류,선택구유특정성적양본대개진형적BP운신경망락진행훈련.결과표명,해방법상대우BP신경망락,불부수렴속도쾌,질대차수소,이차준학솔고.