深度置信网络在导弹攻击区分类中的应用

针对传统导弹攻击区解算方法忽略双方态势变化等问题,提出运用深度置信网络的导弹攻击区分类模型。根据导弹命中情况与目标机动间的关系,将导弹攻击区划分为五类。通过分析影响导弹攻击结果的态势参数,构建导弹攻击结果预测模型。在实验部分,结合重构误差和测试错误率确定深度置信网络的网络结构,通过逐层提取数据法分析模型参数特征并且讨论微调数据的采样方式。使用反向传播神经网络和支持向量机进行分类有效性对比实验。实验结果表明：深度置信网络运行速度和预测准确度明显优于其他两种方法,满足实时性和准确性要求,所提方法具有良好的应用价值。     

基于复杂网络理论的C2组织网络拓扑结构研究

根据C 2组织结构的特点,基于复杂网络理论和网络中心战思想,将C 2组织中的各作战单元、指控节点等作为节点,它们之间的信息流动作为边,构建C 2组织的网络拓扑结构。经过仿真分析,推出其内部具有无标度性、小世界性等复杂网络特性,这对于进一步将复杂网络理论应用于C 2组织的研究提供了理论依据并具有积极的意义。     

基于云-神经网络的液体火箭发动机故障检测方法

根据故障检测原理,研究和实现了基于云-神经网络的液体火箭发动机故障检测方法。根据训练结果、测试结果和故障检测结果可以看出,云-神经网络用于液体火箭发动机的故障检测是可行的,经过历次试车数据验证,该方法没有误报警和漏报警。     

浅析汉语应用中的问题及对策

在英语等强势语言的影响下,受到网络语言等非主流语言的冲击,汉语应用中出现了一些问题。分析现阶段汉语应用现状,找出汉语污染源,有利于有的放矢地加强汉语保护工作。     

武警总队应急车辆故障诊断系统研究

将人工神经网络和基于案例推理技术结合用于车辆故障诊断系统中,构建了ANN与CBR结合模型,阐述了各子系统的基本功能及相互关系,并对关键技术进行了详细解释。实例诊断表明,ANN和CBR方法的结合有效地弥补了它们各自的缺陷,提高了应急条件下车辆的维修保障能力。     

关于m×n型流程优化的探讨

网络图的优化,是根据一定的约束条件对网络图进行调整和改进,以达到科学安排工作,合理分配人力、物力、财力等资源,从而提高工作效率的目的。流程优化就是通过改变工作顺序,解决组织计划中出现的窝工现象。m×n型流程优化,是解决有m个单位依次进行n项活动时,如何安排各单位的顺序最优的问题。通过案例的耗时分析,提出了确定单位顺序的方法,希望对解决相似问题提供一定的参考。     

基于动态神经网络的柴油机建模研究

针对全柴推进系统仿真中主柴油机输出扭矩的预测问题,分析了输出扭矩的影响因素,在实验室试车台记录数据的基础上,利用小波分析方法对带噪声的原始信号进行预处理,运用Elman动态递归神经网络建立了用于柴油机输出扭矩预测的控制模型.     

军用决策支持系统中评估主攻方向符合上级意图的建模研究

依据相应的军事原则,对如何评估主攻方向符合上级意图进行了定量化分析研究,构建了多个评估模型,为辅助指挥员更加迅速、准确地判定主攻方向提供了一种有效的解决途径。     

人工神经网络特征优化方法在模式识别中的应用

在模式识别中,特征量的选择及组合优化是设计模式识别系统的关键问题,它强烈地影响到分类器的设计及其性能。人工神经网络除了在模式识别中作为分类器应用之外,而且能够实现特征参数的提取。通过采用人工神经网络模型,对柴油机故障的特征量优化方法进行了研究,实现了对柴油机故障的特征提取及优化。     

用神经网络变易有效焦距的摄像机标定法

针对传统摄像机标定中由于像差等非线性因素的影响造成结果精度和稳定性不高且算法复杂的特点 ,提出了用 4层前向神经网络模型变易摄像机横纵向有效焦距的方法。给出了摄像机标定结果和用标定后的摄像机进行三维立体测量的结果 ,并与传统方法作了对比。结果表明 ,基于神经网络的摄像机标定方法可以获得比传统方法更高的精度和稳定性