基于神经网络和遗传算法的威胁度估计算法

针对威胁度估计问题,提出了基于BP神经网络模型的算法,利用神经网络良好的自适应能力和遗传算法强大的全局搜索能力,通过样本数据训练,提高了威胁度估计的准确性和适应性。     

神经网络在目标属性识别中的应用研究

首先介绍了目标属性识别的方法,并对多属性决策模型(MultipleAttributeDecisionModel,MADM)目标属性识别模型进行了分析,在此基础上提出了基于神经网络的目标属性识别模型,其能有效地解决目标属性识别问题。     

神经网络技术在冲压导弹设计中的应用

利用近年来迅猛发展的神经网络技术,成功地建立了某型冲压导弹气动参数和发动机推力、比冲的数学模型,从而克服了用传统回归拟合方法和数学插值计算的不足,为导弹总体参数优化设计和各分系统设计提供了一种新工具.并对网络训练过程中存在的问题进行了分析,提出了具有实际意义的改进方法.     

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     

神经网络在可靠性工程中的应用

神经网络信息处理技术是近年来得到迅速发展的一个前沿综合性研究领域,它已在许多领域取得令人鼓舞的进展。神经网络具有大规模并行、集团运算等特点,以及强大的自适应、自学习、容错和推广能力,它能够从背景不清楚和不完全的数据中自动提取反映事物内在规律和特点的知识,并能够应用通过学习所获取的知识来进行问题求解,神经网络的这些特点促使许多     

基于神经网络的广义两点边值问题

在航天领域中 ,多数制导问题均可以抽象为广义两点边值问题。本文探讨了神经网络在广义两点边值问题求解中的应用。首先讨论了离线制导这一类静态两点边值问题的求解 ,在此基础上 ,对在线制导这一类动态两点边值问题进行了分析 ,并给出了有效的解决方法     

基于神经网络TSP算法的防空作战火力分配

基于神经网络TSP算法建立了防空作战火力分配模型,并通过在计算机上仿真运行了实例,优化了火力分配方案.这是对解决防空作战火力分配问题的一种有益的尝试与探索,同时也对防空作战指挥决策和理论研究以及指挥自动化系统建设提供了参考.     

基于模糊神经网络的武器控制系统信号分析

某新型飞机武器控制系统故障诊断过程复杂,故障征兆和故障原因之间存在着许多不确定因素,精确定位故障存在许多困难.针对这种情况,提出了基于模糊神经网络,研究了模糊神经网络技术在武器控制系统故障诊断领域的应用,并根据系统本身的特点,提出了诊断和算法模型.在此基础上,研制出武器控制系统检查仪,对该方法作了验证.结果表明:该方法是可行和有效的.     

基于SOINN增量自编码器的网络异常检测研究

针对批量学习的网络异常检测模型存在内存资源消耗大、无法在线更新的问题,利用自组织增量神经网络(self-organizing incremental neural network, SOINN)的增量学习特性,提出一种增量自编码器构建方式,将改进SOINN的输出神经元作为自动编码器的输入,使得模型在不破坏已有学习成果的基础上,具备增量更新能力。针对SOINN算法获胜神经元邻居节点学习率固定,不利于区分其与输入样本的相似性的问题,提出一种学习率自适应调整方法,来提升获胜神经元邻居节点的学习效率,使得算法输出神经元更能代表样本特性。针对反馈更新样本中正常样本纯度不高的问题,提出一种基于距离度量的样本标签筛选机制,通过计算反馈样本与神经元的距离来对正常样本进行筛选,使得反馈样本中正常样本比例更高,以此来提升模型的在线检测效果。在NSL-KDD数据集上开展了相关实验,实验证明所提方法具备增量学习能力,且改进SOINN的增量学习效果优于原始算法,有效节省了模型的运算和存储开销,通过基于距离的样本标签筛选机制,模型的在线检测能力有效提升。