集成神经网络的飞机作战效能评估

根据飞机作战效能的指标体系和集成神经网络的原理,提出了一种基于集成神经网络的飞机作战效能评估模型.模型由空对空作战效能评估神经网络、空对地作战效能评估神经网络和决策融合神经网络组成,当训练结束后,输入飞机的能力参数可得到飞机的单项和综合作战效能.最后用米格-29、F-15E和Su-20等三个机型作为评估的对象,结果表明该模型能有效减少评估中的人为因素及克服单神经网络结构的不足,使评估结果更为客观可信.     

基于BP神经网络的炮光集成武器系统作战效能评估与预测

为了有效地评估和预测炮光集成武器系统的作战效能,以反舰导弹为例,针对空袭目标低空突袭的特点,建立了炮光集成武器系统的效能评估模型和BP神经网络预测模型。用BP神经网络对炮光集成武器系统的作战效能进行了预测,并与效能评估模型的计算结果进行了对比。结果表明:BP神经网络的预测结果与效能评估模型的计算结果比较近似,说明BP神经网络模型对于炮光集成武器系统作战效能评估与预测是有效的,可以为下一步的炮光集成武器系统的研制提供一定的理论参考。     

应用神经网络评估舰载武器系统作战效能

为评估水面舰艇舰载武器系统作战效能,最大程度地提高舰艇整体作战能力,采用神经网络评估舰载武器系统的作战效能,按照建立BP网络模型、设计模型结构及确定训练样本的步骤,实现神经网络评估模型创建的全过程。该模型把各个评估指标作为输入,通过历史数据的训练确定神经网络输入、输出的对应关系,从而得出系统的效能值。神经网络评估模型可动态地评估舰载武器系统的作战效能,其评估过程确定的各指标项相互关系能很好地指导舰载武器的战术使用。     

基于IHHO-MCNN的反坦克雷场效能评估研究

针对反坦克雷场作战效能评估问题,提出了基于哈里斯鹰算法(HHO)优化蒙特卡洛神经网络(MCNN)的反坦克雷场作战效能评估方法。首先,介绍了IHHO算法和蒙特卡洛神经网络的基本原理和算法流程;然后,对反坦克雷场效能评估的主要影响因素进行分析,归纳总结了反坦克雷场的作战效能评估的指标体系;最后,构建了IHHO-MCNN神经网络评估模型。仿真实验结果表明,该模型可以有效对反坦克雷场进行效能评估。     

基于粗糙集和神经网络的无人机侦察效能评估

针对无人机在多条件下的侦察效能评估问题,提出一种基于粗糙集和神经网络的无人机侦察效能评估方法.在该方法中,寻找影响因素构建无人机侦察效能评估指标体系;结合粗糙集理论去除当中的冗余因素;并在处理因素基础上利用遗传优化的BP神经网络构建无人机侦察效能的评估模型,以提高预测精度.仿真结果表明:该模型不仅能够克服传统BP神经网络容错性差,收敛速度慢的缺点,而且可以较好地完成无人机侦察效能评估.     

网络空间信息防御作战指挥效能评估研究

通过对网络空间信息防御作战指挥效能评估需求的详细分析,依据指标体系构建原则和评估影响因素,构建了评估指标体系、评估模型和评估框架。针对传统指挥效能评估方法中出现的参评人员评测随机性、主观不确定性等问题,提出了基于模糊神经网络的网络空间信息防御作战指挥效能评估模型。利用模糊神经网络的自学习、自适应和强容错性等优势优化网络的连接权值和模糊参数,弱化了效能评估中的人为因素。通过仿真实验验证了模型的可行性,为网络空间信息防御作战指挥系统建设提供指导和借鉴。     

BP神经网络在效能评估中的样本训练

根据WSEIAC模型建立了地面防空导弹武器系统效能评估的指标体系,并依此模型建立与之对应的三层BP神经网络.简要分析了BP算法的实现过程,利用专家打分法和模糊层次法相结合的方式取得该神经网络应用于地面防空导弹武器系统效能评估时的训练样本,并对此神经网络进行学习训练,直至达到精度要求.经验证,该网络在评价地面防空导弹武器系统效能时减少了评估中的人因影响,使评估结果更为科学.     

多种方法结合的作战效能评估研究

基于对多种作战效能评估方法优缺点的分析,提出结合多种方法评估效能的思路。采用粗糙集做原始样本预处理,结合专家评估法结果认可度高和BP神经网络评估法高效率的优势,建立了3种方法结合评估作战效能的方法和流程。利用专家评估中的德尔菲法得到多型无人攻击机的评估结论;将专家评估结论作为BP神经网络的训练样本,得到基于专家经验的BP神经网络模型,固化了专家经验,实现了基于专家经验高效评估新机型的目的。最后用算例检验了方法的可用性和合理性。     

基于改进反馈神经网络的坦克分队对抗模型

坦克分队对抗效能评估是一个典型的动力学系统问题,而反馈神经网络是一种反馈动力学系统。通过分析影响对抗效能的主要因素入手,建立坦克分队火力对抗效能的评估指标体系,构建改进反馈神经网络对抗模型。通过编制应用程序,对该模型进行实例验证,其结果表明,该模型能够较好地解决坦克对抗的问题,为坦克对抗模型的研究提供了新思路。     

基于SOM网络信息融合的飞机作战效能评估

根据SOM自组织神经网络原理,构建了基于多参数信息融合的飞机作战效能评估模型,并采用可视化方法对飞机空战效能进行了评估。通过效能评估模型的二维拓扑有序映射图和单参数灰度图,可以清晰地观察到不同型号飞机的作战效能特征、参数相关性特征、参数变化趋势和对飞机作战效能的相似性预测。     

基于神经网络的战术C3I系统效能分析

阐述了神经元的特性和BP神经网络相关原理,指出了战术C3I系统效能是指战术C3I系统在特定的战斗环境条件下对部队潜在战斗力转化为实际战斗能力的影响程度,并根据BP神经网络模型,着重从系统自身效能和对抗效能2个方面,对战术C3I系统效能进行了分析,建立了战术C3I系统基于ANN的评估模型,从而为系统效能分析与评估探索了一种新的方法.     

改进的萤火虫算法优化BP神经网络及应用

针对传统萤火虫算法存在收敛速度慢和易陷入局部最优解的问题,将传统的固定搜索步长修改为与个体分布密度相关的自适应调整步长,提出了自适应步长萤火虫算法。将自适应步长萤火虫算法和BP神经网络结合,通过自适应步长萤火虫算法寻优,获取BP神经网络最优的权值和阈值,并将其作为BP神经网络的初始参数进行训练,以提高BP神经网络的训练精度和速度。以弹道导弹突防效能评估为例,构建突防效能评估指标体系,建立基于改进BP神经网络的弹道导弹突防效能评估模型。算例分析和仿真试验表明,采用自适应步长萤火虫算法优化的BP神经网络计算结果准确率高、收敛性强,在弹道导弹突防效能评估中具有推广应用价值。     

精确制导武器系统作战效能的LMBP神经网络评估

着眼于武器系统的作战使用,介绍了一种基于LMBP神经网络的精确制导武器系统作战效能综合评估方法.首先,从总体上综合地加以动态权衡,确立了评估的指标体系,其次在阐述BP神经网络相关原理的基础上,对LMBP算法进行了描述,建立了基于该网络的精确制导武器系统作战效能评估模型,最后介绍了该方法的实际应用,并利用MATLAB神经网络工具箱进行仿真,实例证明此方法与其他评估方法相比,基于LMBP神经网络的精确制导武器系统作战效能评估方法具有一定的优越性.     

基于SOM神经网络的坦克作战效能评估

坦克作战效能评估是一个多属性评估问题,通过建立自组织特征映射神经网络(SOM)的坦克作战效能评估模型,通过该模型的二维拓扑有序映射图,可以清晰地观察到不同型号坦克的作战效能特征;并通过MATLABR2010a训练、仿真,对我国某型坦克的作战效能进行相似性预测评估。     

基于GA-Elman神经网络的水下集群作战效能评估

在现代化海战中,大力发展水下作战集群是海军信息化发展的必然途径,针对这种新的作战样式,对其作战效能进行准确可靠的评估至关重要。Elman神经网络能克服传统评估方法依赖于专家经验的缺点,但其自身的权值更新方法易陷入局部极小,为此,采用遗传算法(Genetic Algorithm,GA)对Elman网络进行全局优化,构建基于GA-Elman神经网络的水下集群作战效能评估模型,并应用实例对模型进行仿真验证。仿真结果表明该模型可以准确有效地对水下集群作战效能进行评估。     

报务系统的通信效能分析与评估方法

结合报务系统通信效能评估采用经验评估的现状,构建报务系统的通信效能指标,包括电报传输能力、传递可靠度、传递时延、通信容量、通信误报率、发报设备可靠及可维修性、报务接收点场强以及电磁环境干扰等指标,进行效能评估目标分析和效能评估系统分析。采用主成分分析法和多维偏好线性规划方法计算通信效能评估指标的权重,利用权重结合BP神经网络对报务系统的效能评估进行计算,建立了能够反映报文系统通信效能的评估模型。     

国防工程智能信息系统效能评估研究

在简要介绍国防工程智能信息系统组成和功能的基础上,提出了系统效能评估指标体系,分别用BP神经网络和AHP法建立了国防工程智能信息系统效能评估模型,并对系统的设备监控管理能力进行了评估。仿真结果表明,BP神经网络法克服了传统评估方法精度低、模型复杂和计算量大的缺点,可将以往的专家经验知识进行分析学习,能够实现实时方便的在线评估;AHP法对多层次的指标体系具有较强的处理能力,但是存在指标权重确定主观性强,计算量大的问题。     

基于神经网络的大区域防空信息进攻作战效能评估

建立了大区域防空信息进攻作战效能评估的指标体系。由于指标主观性很强,普通的方法难以取得好的效果,而神经网络以其良好的非线性处理能力,为解决此问题提供了一个好的方法。对应用LMBP神经网络解决大区域防空信息进攻作战效能评估的方法问题进行了探讨,给出了神经网络的算法及评估模型。并通过实例证明了方法的可行性,最后与一般的BP神经网络方法进行了对比,体现了该方法的先进性。     

基于BP神经网络的火控雷达抗干扰效能评估

建立了火控雷达抗干扰效能评估体系,给出了评估体系中各个因子的计算方法,克服了输入值与评价结果之间非线性关系复杂的难题。探讨了应用人工神经网络解决火控雷达抗干扰效能评估问题,并且给出了神经网络的评价模型及算法。实例证明该方法是可行的,模型用于火控雷达抗干扰效能评估可较好地克服人为因素的影响,使评估结果更为合理可信。     

基于BN-and-BP神经网络融合的陆空联合作战效能评估

针对陆空联合作战效能评估问题,构建了具有6个二级评估指标和18个三级评估指标的综合评估指标体系。利用BP神经网络的度量方法,对三级指标进行评估,有效降低了变量个数。采用贝叶斯网络的度量方法,通过专家确定网络结构,利用蒙特卡罗算法确定条件概率表CPT,建立了陆空联合作战的综合效能评估模型,有效克服了AHP法和贝叶斯网络单独进行作战效能评估的不足。仿真结果说明,该评估模型性能良好,具有一定的科学性和可操作性。