舰船科学技术
艦船科學技術
함선과학기술
Ship Science and Technology
2015年
3期
147-150
,共4页
参数灵敏度%BP神经网络%Skeletonization法
參數靈敏度%BP神經網絡%Skeletonization法
삼수령민도%BP신경망락%Skeletonization법
parametric sensitivity%BP neural network%Skeletonization method
舰船参数的选择对于评价舰船综合性能至关重要,但不同参数在评价过程中所占的比重不一,量化的舰船参数灵敏度分析是后续舰船性能评价、类型识别等的重要前提.本文利用24-10-10-1结构的BP神经网络对舰船的抗沉性、最大航速、适航性、载重量4个重要参数进行灵敏度分析,并建立起各参数灵敏度与舰船综合性能的对应关系.在用BP神经网络对样本进行训练的同时,利用Skeletonization灵敏度剪枝方法计算输入节点和隐节点的灵敏度.测试结果表明,本文的灵敏度分析算法不仅优化神经网络结构,而且学习过程收敛后,可获得各输入节点稳定的灵敏度值.
艦船參數的選擇對于評價艦船綜閤性能至關重要,但不同參數在評價過程中所佔的比重不一,量化的艦船參數靈敏度分析是後續艦船性能評價、類型識彆等的重要前提.本文利用24-10-10-1結構的BP神經網絡對艦船的抗沉性、最大航速、適航性、載重量4箇重要參數進行靈敏度分析,併建立起各參數靈敏度與艦船綜閤性能的對應關繫.在用BP神經網絡對樣本進行訓練的同時,利用Skeletonization靈敏度剪枝方法計算輸入節點和隱節點的靈敏度.測試結果錶明,本文的靈敏度分析算法不僅優化神經網絡結構,而且學習過程收斂後,可穫得各輸入節點穩定的靈敏度值.
함선삼수적선택대우평개함선종합성능지관중요,단불동삼수재평개과정중소점적비중불일,양화적함선삼수령민도분석시후속함선성능평개、류형식별등적중요전제.본문이용24-10-10-1결구적BP신경망락대함선적항침성、최대항속、괄항성、재중량4개중요삼수진행령민도분석,병건립기각삼수령민도여함선종합성능적대응관계.재용BP신경망락대양본진행훈련적동시,이용Skeletonization령민도전지방법계산수입절점화은절점적령민도.측시결과표명,본문적령민도분석산법불부우화신경망락결구,이차학습과정수렴후,가획득각수입절점은정적령민도치.
