火炮发射药装药自动识别方法

发射装药号是影响火炮身管寿命的重要因素,为自动识别火炮发射药的装药号,避免人工记录失误和完善火炮射弹履历,分析了装药号自动识别原理,运用火炮动力学分析理论和ADAMS虚拟样机技术,建立火炮发射动力学虚拟样机.通过仿真试验获取样本数据,应用BP神经网络进行学习和训练,从而建立装药号和测试数据之间的非线性映射关系,实现对火炮发射装药号的精确预测.     

改进的粒子群神经网络在飞控中的应用

针对BP神经网络对初始值敏感、容易陷入局部寻优且收敛速度较慢,提出用粒子群对神经网络的参数进行优化,同时设计了衰减的指数函数对惯性权重进行动态调整以提高算法性能.并应用该算法对导弹飞控系统的逆误差进行补偿,仿真结果表明,该方法对逆误差进行了有效的补偿,避免了局部寻优并提高了学习效率.     

一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计

研究一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计,其系统中的不确定时滞项不是简单的线性有界条件,而是允许其存在高阶项,因此具有全局特性．在控制器的设计上;首先通过选取合适的径向基函数（RBF）神经网络的权向量去逼近时滞系统中的未知连续有界部分;然后在RBF神经网络输出的基础上,选用一个鲁棒自适应控制器来趋近时滞系统的不确定部分;同时,利用Lyapunov稳定性理论对混沌同步的条件给出了论证;最后,数据仿真的结果表明该方法的有效性．     

神经网络集成方法在火灾分析中的应用

采用神经网络集成方法对我国31个地区的经济总量、消防基本投入、火灾损失之间的关系进行定量分析,研究发现神经网络集成方法能有效地反应各地区经济发展水平、消防基本投入与火灾损失之间的内在联系。     

基于深度学习的防空武器红外目标识别技术应用研究

针对防空武器的作战使用需求,提出了一种基于深度学习的防空武器红外目标识别流程,通过大视场进行目标检测,小视场进行目标跟踪识别.在目标检测阶段,采用YOLO网络模型实现全图多目标识别定位;在目标跟踪阶段,采用超分辨率重建算法提升目标局部图像分辨率,利用深度残差网络模型实现跟踪目标的识别分类.试验结果表明,基于深度学习的空...     

基于一维卷积神经网络的二进制协议分类方法

针对目前网络上未知二进制协议种类繁多、不便于管理的问题,提出一种基于一维CNN的二进制协议分类方法,利用聚类得到协议数据的标签进行训练,直接将经过一类分类的二进制协议报文作为一维卷积神经网络的输入,训练分类模型,构建了一个二进制协议分类器,能够自动学习原始输入与预期输出之间的非线性关系,实现协议的自动分类功能。这是首次将一类分类与CNN网络应用于二进制协议分类领域。并且针对最大频度池化和一维卷积网络作了对比试验,验证了改进的有效性。经过实验验证对协议的识别率达到了98%以上,分类时间优于聚类方法。     

基于一类弱连续T-模的模糊Hopfield神经网络研究

基于一般的弱连续T-模与取大（V）模糊算子的复合,建立了具有一般意义的动态模糊神经网络——模糊Hopfield神经网络,并系统分析了该动态系统的性能：在Hamming距离意义下证明了该网络是稳定的,而且其平衡点（吸引子）具有全局Lyapunov稳定性。最后,提供了一种有效的学习算法。     

基于神经网络的混合双滤波器自适应目标跟踪算法

在分析近期基于神经网络数据融合的目标跟踪算法的基础上,结合一种新的自适应滤波模型(NAF)和速度估计自适应跟踪算法(AVE),提出了基于神经网络混合双滤波器的机动目标自适应跟踪算法(NHDF).该算法通过在线自动调节网络输出进行过程噪声方差融合,降低了现有算法因系统方差的调整不当而带来的精度损失.理论分析及仿真结果证明,与"当前"统计模型、速度自适应模型和新的自适应模型算法相比,该算法具有跟踪精度高,自适应能力强的优点.