基于自适应小波神经网络的联合作战效能评估

发布时间：2021-03-17 10:52

　　针对联合作战效能评估时存在主观性和不确定性的问题,结合具体专家经验和智能算法,提出了基于自适应小波神经网络的联合作战效能评估算法。针对神经网络的结构进行优化,采取了小波分析理论和变结构算法,同时采用改进的粒子群算法自适应调节神经网络的连接权值,解决了传统粒子群算法和神经网络易陷入局部极小值、收敛速度慢和抗干扰能力差等问题。最后,通过对相关算法的收敛性对比,以及陆空联合作战案例进行试验仿真,结果表明提出的算法可应用在陆空联合作战方案评估,为指挥决策者提供了有效的联合作战评估和指挥决策手段。 

【文章来源】：火力与指挥控制. 2020,45(12)北大核心

【文章页数】：7 页

【部分图文】：

联合作战效能评估指标体系2改进小波神经网络评估模型

传统的神经网络结构图

多种算法的误差收敛曲线

【参考文献】：
期刊论文
[1]第5代指挥信息系统发展思考[J]. 丁峰,易侃,毛晓彬,黄松华,张兆晨,周光霞,汪霜玲.  指挥信息系统与技术. 2018(05)
[2]基于深度时空循环神经网络的协同作战行动识别[J]. 易卓,廖鹰,胡晓峰,杜学绘,朱丰.  系统仿真学报. 2018(03)
[3]基于C-TTAHP方法的指控体系作战效能评估[J]. 周中良,卢春光,赵彬,潘勃,肖强.  火力与指挥控制. 2018(02)
[4]基于SD的指挥信息系统作战效能评估模型[J]. 陆梦驰.  火力与指挥控制. 2018(01)
[5]通信电子防御作战效能的云-BP神经网络评估方法[J]. 杨米,陈建忠,牛英滔.  通信技术. 2017(04)
[6]联合战术信息系统及其技术发展[J]. 李云茹.  指挥信息系统与技术. 2017(01)
[7]基于Hopfield网络的网络空间防御能力评估[J]. 王劲松,李宗育,徐晏琦.  控制工程. 2017(02)
[8]基于信息系统指挥机构指挥效能评估[J]. 曹涛,王代智,孙礼明,王舒,王雪英.  兵工自动化. 2017(02)
[9]基于改进差分进化算法的RBF神经网络在股指预测中的应用[J]. 韩颖.  合肥工业大学学报(自然科学版). 2014(11)
[10]基于回归正交旋转设计的联合作战效能优化[J]. 张强,张宏军.  舰船电子工程. 2013(04)



本文编号：3087027