现代防御技术
現代防禦技術
현대방어기술
MODERN DEFENCE TECHNOLOGY
2015年
4期
204-209
,共6页
超限学习机%径向基函数%作战方案%评估%泛化性能
超限學習機%徑嚮基函數%作戰方案%評估%汎化性能
초한학습궤%경향기함수%작전방안%평고%범화성능
extreme learning machine(ELM)%radial basis function(RBF)%battle scheme%evaluation%generalization ability
针对专家制定作战方案训练样本时容易受主观性影响的问题,提出了基于ELM的样本验证及评估方法.首先根据ELM建立作战方案样本的预测模型,然后更正错误标记的样本.仿真实验表明,利用ELM模型训练更正后的样本集能有效降低均方根误差值和提高预测的准确率.与RBF神经网络相比,训练ELM模型的时间缩短了98.8%,而且无需调节激活函数的参数就可以得到足够好的泛化性能.
針對專傢製定作戰方案訓練樣本時容易受主觀性影響的問題,提齣瞭基于ELM的樣本驗證及評估方法.首先根據ELM建立作戰方案樣本的預測模型,然後更正錯誤標記的樣本.倣真實驗錶明,利用ELM模型訓練更正後的樣本集能有效降低均方根誤差值和提高預測的準確率.與RBF神經網絡相比,訓練ELM模型的時間縮短瞭98.8%,而且無需調節激活函數的參數就可以得到足夠好的汎化性能.
침대전가제정작전방안훈련양본시용역수주관성영향적문제,제출료기우ELM적양본험증급평고방법.수선근거ELM건립작전방안양본적예측모형,연후경정착오표기적양본.방진실험표명,이용ELM모형훈련경정후적양본집능유효강저균방근오차치화제고예측적준학솔.여RBF신경망락상비,훈련ELM모형적시간축단료98.8%,이차무수조절격활함수적삼수취가이득도족구호적범화성능.