基于BP人工神经网络的军事工程投资评价

BP人工神经网络是一种基于误差反向传播算法(BP算法)的多层前向人工神经网络,由信号的正向传播与误差的反向传播两个过程组成。应用BP人工神经网络对军事工程投资效益进行评价,可先提出军事工程投资综合评价指标及评价指标体系,然后构建模型,之后对人工神经网络模型进行训练和测试,验证模型的有效性和实用性。     

神经网络在比例导引目标定位和跟踪中的应用

本文主要讨论了人工神经网络在近程反导中的应用,利用共轭梯度法和黄金分割法对BP网络进行了改进。把BP网络和卡尔曼滤波结合起来,建立对目标定位和跟踪的数学模型。并且对该模型进行了模拟计算。     

多重结构神经网络在平台罗经故障诊断中的应用

提出了基于层次分类诊断模型的多重结构神经网络 (MNN)在平台罗经故障诊断中的应用方法 ,并对其温控子系统的人工神经网络 (ANN)进行了Matlab实现     

用人工神经网络BP算法评价城市火灾风险

深入讨论了人工神经网络的BP算法在城市火灾风险评价中应用的可行性和一些具体做法.     

BP神经网络在边坡锚杆优化设计中的应用

人工神经网络具有自学习、自组织、强容错性等优点，应用MATLAB语言，建立了边坡工程锚杆优化设计的BP神经网络模型。应用有限元法对不同锚杆布置倾角下的边坡模型进行计算，并以模拟计算结果作为训练样本及预测样本对网络进行训练，验证了迫坡锚杆优化设计BP神经网络模型的有效性，确定了边坡工程中锚杆的最优布置倾角，为边坡锚杆优化设计研究提供了一条新途径。     

BP神经网络的飞机机体研制费用估算

提出一种应用人工神经网络预测飞机机体研制费用的方法.该方法利用偏最小二乘法对飞机性能参数进行了主成分提取,用这些主成分作为BP网络的输入变量,建立了一种基于BP神经网络的飞机研制费用的估算模型,应用该模型对典型的飞机机体研制费用进行了预测.预测结果表明,该方法是有效的、可行的.     

基于神经网络的装备维修资源保障能力评估

构建了维修资源保障能力评估指标体系。应用人工神经网络及BP网络的理论和方法,建立了维修资源保障能力评估的BP神经网络模型;提出了应用特尔菲法与层次分析法相结合确定各指标权重,并采用变权综合法思想构造神经网络训练样本的方法。最后进行了实例评估,结果表明该模型可较好地克服人为因素和模糊随机性的影响,具有很高的可信度。     

人工神经网络特征优化方法在模式识别中的应用

在模式识别中,特征量的选择及组合优化是设计模式识别系统的关键问题,它强烈地影响到分类器的设计及其性能。人工神经网络除了在模式识别中作为分类器应用之外,而且能够实现特征参数的提取。通过采用人工神经网络模型,对柴油机故障的特征量优化方法进行了研究,实现了对柴油机故障的特征提取及优化。     

火力控制系统研究的人工神经网络方法

人工神经网络提供了新的信息处理方法。着重讨论了多层前向网络的基本特性,结合火力控制系统的研究分析了网络应用的几个方面,并给出了有关的例子。此外,分析了网络设计方面的有关问题。     

计算机辅助设计在BDP阻燃PC/ABS合金配方中的应用

在前人对BDP阻燃PC/ABS合金的实验研究基础上,借助计算机强大的运算能力辅助BDP阻燃PC/ABS合金进行了配方设计。根据BP三层感知器神经网络结构,确定了用于BDP以及BDP/SiO2复配体系阻燃PC/ABS合金配方建模的人工神经网络的输入、输出以及隐层模式,选用Sigmoid函数作为用于建模的BP网络各层的激活函数,以PC/ABS、SiO2和BDP三组分在配方中的比重作为三层BP人工神经网络的输入,通过设置3个隐层节点,建立以极限氧指数（LOI）或伸长率分别作为输出的单目标模型。经过利用9对试样分别作为训练样本和测试样本对网络进行训练、测试,当输出量设为极限氧指数（LOI）时,预测误差在±4%以内;当输出量设为伸长率时,预测误差在±5%以内,均能满足实用配方的要求。     

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.     

基于BP神经网络的防空保卫目标分类

提出用BP神经网络模型对防空保卫目标进行分类的一种新方法。该方法建立分类评价的指标集,将分类的划分等级作为训练样本集,以指标的各等级标准值作为样本的输入特征值,建立多参数的BP神经网络防空保卫目标分类评价模型,然后用实例训练神经网络,得出了较合理的结论。     

基于改进的BP算法的舰载C4I威胁判断模型

为解决传统舰载C4I威胁判断模型的不足,寻求适应信息化作战要求的舰载C4I威胁判断模型,将神经网络引入舰载C4I系统,提出了基于BP神经网络的威胁判断模型,并对BP算法进行了改进;通过Matlab仿真计算,结果表明该方法计算速度快、精度高.     

神经网络仿真导弹阵地信息化评估

分析了导弹阵地信息化建设的内容,构建了导弹阵地信息化建设的评估指标体系,建立了基于BP神经网络的导弹阵地信息化建设评估模型,基于Matlab神经网络工具箱是实现网络模型的建立、训练和仿真,利用训练好的网络模型对不同导弹阵地的信息化建设情况进行了评估.计算分析表明,建立的测评体系符合实际,模型便于部队和决策机关操作,对于...     

装备采购风险的BP神经网络评价模型

装备采购具有高风险的特点,科学、准确的风险评价对装备采购至关重要.传统的评价方法主观因素太强,而BP神经网络模型为装备采购风险评价开辟了新途径.首先介绍了人工神经网络模型的原理和BP算法,然后结合实例给出了用于装备采购风险评价的BP神经网络模型,采用该模型获得结果令人满意.     

基于EMD、遗传算法及神经网络的柴油机故障诊断

研究了将经验模式分解(Empirical Mode Decom position,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。     

人工神经网络在管理信息系统中的应用

在传统管理信息系统的基础上,增加专家系统模块,即基于人工神经网络技术的预测分析模块,完成复杂的非线性预测以提高MIS智能化、自动化水平。该模块选用反向传输(BP:BackPropagation)神经网络模型来实现,通过网络的自适应学习和训练,找出输入和输出之间的内在联系,从而求得问题的解答。利用该专家系统对出版社图书市场销量进行预测。结果表明:该方法性能好,可作为预测图书售量的一种有效手段。     

基于Delphi-BP神经网络的装备保障能力评估

针对评估指标数量过多可能给评估过程及结果带来的弊端,在构建装备保障能力评估指标体系基础上,给出了基于Delphi法的指标体系筛选的方法步骤,通过计算累计贡献率,对指标体系进行了筛选,降低了评估模型的输入维度。建立了评估部队装备保障能力的三层BP神经网络模型,利用Matlab神经网络工具箱对网络进行了训练和仿真,结果显示误差小于10-3。最后,通过对比评估,验证了方法的有效性和正确性。     

基于L-M算法改进BP网络的信息对抗能力评估

在未来密集和复杂的电磁环境中,快速、客观地评估敌我双方的信息对抗能力具有重要的意义。目前通常采用的人工打分方法具有一定的主观性,且周期较长,难于满足战场瞬息万变的需求。提出了一种基于L evenberg-M arquardt算法改进的BP神经网络信息对抗能力评估方法,以某组信息对抗数据为训练数据,对改进BP神经网络进行训练,并进行了验证性的仿真试验。仿真结果表明:改进BP神经网络能客观有效地评估信息对抗能力,较大程度地提高了神经网络的收敛速度、缩短了评估时间。