基于神经网络的绕组电流闭环控制方法

在解决闭环消磁绕组电流优化计算问题时,会面临将外部磁场推算误差带入电流反演计算或完备的基函数难以确定等问题。为了降低这些因素对舰船最终补偿效果的影响,从智能优化的角度出发,在讨论散布常数对模型预测误差的影响后,确定了适宜的散布常数,建立了内部磁场与补偿电流之间的径向基函数神经网络预报模型。该方法通过样本对网络进行训练,无须推算内外磁场,就能直接得到使绕组磁场与目标磁场拟合误差最小的补偿电流向量。对比其他数值建模方法,其换算精度有所提高,且选择不同的同维向量作为基函数对补偿结果影响较小。船模实验验证了该方法的有效性。     

神经网络的坦克目标威胁评估

在未来高技术局部战争条件下,坦克不得不面临一个动态复杂的战场环境,这就要求坦克能根据战场环境实时地进行目标威胁评估及自主射击。以坦克的自主作战为背景,提出了一种基于神经网络的目标威胁评估方法。首先提出了包含来袭目标性质、指战员指令、保卫目标的重要度、我方武器性能值等一套威胁评估指标体系;然后采用神经网络方法进行威胁评估。神经网络方法的优势主要体现在:①考虑了诸因素的相互关联;②充分考虑了战术信息;③权系数对具体环境的适应性;④方法的通用性。实例结果表明,神经网络方法科学合理,为坦克目标威胁的评估提供了新思路。神经网络方法具有普遍意义,能推广应用于其它武器平台的目标威胁评估。     

GAL神经网络训练算法的改进

对一种新型的神经网络——GAL(Grow and Learn)神经网络给出一种改进训练算法,与未改进的网络在训练时间、识别时间及识别准确率等方面进行比较,证明该网络结构简单、隐层节点易调整、运算量小,且识别准确率并未降低。     

基于神经网络的语音识别系统

本文研究神经网络的多层感知器模型在语音识别中的应用。为达到实时识别的效果,笔者设计了TMS32010数字信号处理板,它与PC/XT机构成主-从系统,由PC/XT机管理数据,TMS32010进行高速运算,实验中,考察了神经网络对数字语音的识别能力,识别率达到95％以上,结果表明,用神经网络进行语音识别是一种很有前途的方法。     

美陆军战场信息系统发展的启示与思考

战场信息系统作为信息化战争条件下作战力量"倍增器",是构建未来陆军作战体系的核心和纽带。从未来战场信息系统的作战需求出发,分析了美陆军战场信息系统的迭代过程、各阶段主要特征及典型系统;探讨了美陆军战场信息系统的发展思路和途径,以期为我国陆军战场信息系统的顶层设计研究提供参考。     

基于CNN-PCA-DT算法的合成孔径雷达目标识别

合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别是SAR图像解译的重要环节,已广泛应用于国防和国民经济领域。在传统的卷积神经网络(Convolutional Neural Network,CNN)的基础上,提出了将CNN,主成分分析(Principle Component Analysis,PCA)和决策树(Decision Tree,DT)相结合的算法,记为CNN-PCA-DT:利用CNN提取出SAR图像的特征向量,再用PCA降维,最后用DT分类器取代CNN中的Softmax分类器实现SAR目标识别。实验结果表明,所提出的算法在MSTAR实测数据集上取得了较高的识别准确率,从而说明了实验的有效性。     

一种改进型PSO-BP算法在红外目标中的应用

为了降低伪目标引起的误检,提高系统在复杂环境中的目标识别能力,设计了一种改进型粒子群优化BP神经网络算法。改进型PSO-BP算法利用红外目标光谱特性设置粒子变异规则,从而调整粒子位置与速度,提高目标特征提取性能。同时,算法将权值变为权值可调函数,降低局部极值收敛的风险。实验采用Model-102F型成像光谱仪采集的目标区域图像作为样本与检测数据,与传统BP算法作对比,分别选取对不同特征波长位置及个数的形式对目标和伪目标进行识别分析。结果显示,改进型PSO-BP算法可以有效消除伪目标干扰,同时,其收敛速度明显优于传统算法。由此可见,该设计在复杂背景红外目标识别方面具有一定的应用价值。     

基于SOA和本体的指挥信息系统数据集成研究

随着信息化作战的发展,迫切需要对指挥信息系统的数据进行集成整合,在分散异构的数据源上实现统一的数据交换.针对这一问题,提出了一种基于SOA和本体的多源异构数据集成架构,并详细阐述了其体系结构、模块设计、功能特点以及关键技术,最终实现了一个多源异构数据集成原型系统.通过Web Service技术解决了客户端与服务端之间的...