IBAS-LMBP神经网络算法在图像压缩中的应用

鉴于天牛须搜索算法在对多维非线性优化问题求解时容易出现局部收敛现象,从而导致无法求出全局最优解,设计了改进天牛须算法(Improved Beetle Antennae Search,IBAS).该算法中在天牛位置计算时引入惯性权值,设计了基于自适应步长衰减系数,增加天牛在位置计算时的自适应能力,为了控制算法优化过程解的取值范围,参照粒子群算法对单点位移进行限制.实验结果表明,在相同误差精度、相同迭代次数情况下,将改进天牛须算法与LMBP算法相结合建立IBAS-LMBP算法模型并应用于图像压缩,模型的运行效率明显高于GA-LMBP、PSO-LMBP及BAS-LMBP算法模型.     

基于循环条件生成对抗网络的数据生成方法

针对军事领域数据采集困难以及数据生成人工依赖性强、成本高、效率低等问题,在生成对抗网络(GAN)框架的基础上,构建长短期循环神经网络(LSTM-RNN)代替生成对抗网络中的生成器和鉴别器,以最大平均差异和最大似然估计作为指标构建数据生成评估模型,提出一种可生成数据序列的循环条件生成对抗网络(RC-GAN).该方法完全依靠数据驱动,无需经过精心设计的建模过程,便可生成与真实数据相一致的数据.通过基于实际数据的仿真实验,验证了该方法在数据相似度、估计误差、抗干扰性以及泛化性方面的优势.     

军民融合陆军装备维修保障体系能力评估

军民融合陆军装备维修保障体系是一个复杂系统,目前能力评估的指标体系和评估方法尚缺深入研究.应用德尔菲法,建立了军民融合陆军装备维修保障能力评估指标体系;针对赋权过程中存在的不确定性,运用改进群组层次分析法,改进熵权法以及博弈论方法进行主客观结合,确定指标权重;针对能力评估中决策信息的随机性、模糊性等问题,提出了基于云模型的军民融合陆军装备维修保障体系能力评估方法;最后,结合示例验证了所提出方法的可行性.     

基于深度卷积神经网络的多飞行器构型保持研究

基于深度卷积神经网络设计了"智能-校正"算法以快速生成制导指令;深度学习模型是由卷积层、全连接层、批量归一化层和残差网络(ResNet)组合成的一个19层深度神经网络,飞行器状态变量转化为类似于图像像素矩阵的二维矩阵,通过sgd优化和权重衰减正则项将神经网络的训练误差降低至约0.025°;之后针对飞行器运动存在制导指令...     

基于神经网络的飞行员头位跟踪方法研究

针对飞行员座舱模拟训练中,传统的头位检测跟踪技术存在的头位检测精度不高、实时性不强、易受外界干扰等问题,结合深度学习方法,提出了一种基于级联卷积神经网络的头位检测跟踪方法.首先结合计算机视觉手段,对拍摄到的飞行员座舱内连续视频图像进行预处理,然后经过三层级联卷积神经网络对处理过的图像进行特征提取,检测人脸,同时完成脸部...