用于视频图像帧间运动补偿的深度卷积神经网络

为探索深度学习理论在视频图像帧间运动补偿问题中的应用,提出一种用于视频图像帧间运动补偿的深度卷积神经网络。该网络由卷积模块和反卷积模块构成,可以处理不同分辨率输入图像并具备保持较完整图像细节的能力。利用具有时序一致性的视频图像序列构造训练样本,采用随机梯度下降法对设计的深度卷积神经网络进行训练。视觉效果和数值评估实验表明,训练得到的网络较传统方法能更有效地进行视频图像帧间运动补偿。     

军用航空机务维修人员安全知识结构评价研究

随着军用航空装备复杂性、安全性的提升,对广大机务维修人员安全知识结构提出了更高的要求。以某机务部队现状为依据,研究航空机务维修人员安全知识结构评价问题。利用工作分析法对航空机务维修人员的工作进行了深入分析,建立了航空机务维修人员安全知识结构指标体系,通过构建基于熵权的改进BP神经网络模型对建立的知识体系结构进行评价。以某单位实际调研数据为基础,利用MATLAB仿真实现了模型的训练和测试,对机务维修人员的安全知识结构进行量化分析,为机务人员的安全知识能力培养提供决策依据和参考。     

改进的BP算法在柴油机故障诊断中的应用研究

利用改进BP算法的神经网络对柴油机进行故障诊断.首先讨论了其训练算法,然后确定了柴油机故障诊断所用特征参数及故障种类,并提出特征参数数据归一化公式,最后以6-135ZC柴油机为例,将实验数据输入网络验证.结果表明,神经网络对柴油机故障识别率很高,应用于柴油机故障诊断领域是切实可行的.     

基于异态集成学习的飞行目标辅助识别模型

对飞行目标类型的准确识别是空中作战意图识别的前提和基础。针对当前各类识别模型在训练样本较少时,较难同时获得模型的稳定性和较好的泛化能力且在线学习能力较差的问题,提出了一种基于异态集成学习的飞行目标辅助识别模型,将k近邻学习模型与BP神经网络模型进行整合,使模型兼具训练稳定性与较好的泛化能力;通过算法设计,模型具有了整体动态更新的能力。基于某作战仿真系统完成飞行目标识别实验,对比了该模型与各类模型的性能表现。实验结果显示所提出的模型识别正确率稳定在90%左右,且在个体学习器的基础上至少提高2%。     

人工神经网络的装甲兵体系作战协同效果评估

针对基于信息系统的装甲兵体系作战中的协同问题,在综合分析装甲机械化部队体系作战协同过程及信息流程的基础上,构建了基于精确性、有序性、灵活性、时效性等原则的协同效果评估指标体系,采用基于人工神经网络的多指标综合评价方法,建立基于BP神经网络的综合评价模型,并结合实证分析,利用MATLAB软件进行仿真计算,为装甲兵体系作战协同效果评估提供了较好的途径,为装甲兵指挥员更加合理地组织信息化条件下体系作战协同提供决策依据.     

调制方式的自动识别方法

本文介绍调制信号的神经网络识别方法,以及多进制数字调相信号的次优识别方法,实验结果表明两种方法具有正确识别率高,信噪比要求低,性能优于目前使用的识别方法。     

基于径向基函数的装备仿真数据分析方法研究

通过作战模拟技术预测战争损耗,预测精度在很大程度上依赖于模型输入参数的精度,如何解决可靠的作战模拟输入参数来源问题,成为决定战损率预估,乃至效能分析及作战模拟效果的关键。提出了基于径向基函数的装备仿真数据分析技术,研究了将装备仿真产生的大量数据进行分析的方法,并结合实例验证了方法的精度和有效性。该方法同样适用于历史战例、演习和训练等数据的处理。     

基于模糊BP神经网络的高原寒区弹药换算系数研究

针对高原寒区特殊复杂的作战背景,提出了一种基于模糊BP神经网络的弹药换算系数优化模型。该模型借助模糊隶属度将难以量化的弹药消耗影响因素定量化,以提高弹药换算系数的准确度。构建了弹药换算系数测算模型;分析了影响高原寒区弹药消耗的主要因素并进行了模糊量化,在此基础上建立模糊BP神经网络模型;通过仿真验证了优化后弹药换算系数的精确性。     

钢质油罐罐底腐蚀预测模型研究与评价

钢质油罐在储存油料时不可避免地会受到严重腐蚀.为能够掌握罐底的腐蚀程度,提出了一种由灰色系统理论和BP人工神经网络相结合的方法建立预测模型,对钢质油罐罐底腐蚀情况进行了预测,并通过实例计算给出了评价.计算结果表明,预测值与实测值相差很小,尤其对油料腐蚀这种涉及较多因素的复杂过程,该方法具有明显的优越性;该模型克服了传统预测模型需建立函数的难题,且预测精度较高,具有较高理论与实际应用价值.