[发明专利]基于RBF算法的诱饵弹延时投放时间精度计算方法

权利要求书

1.一种基于RBF算法的诱饵弹延时投放时间精度计算方法，其特征在于，该方法包括如下步骤：

步骤a：采集影响诱饵弹延时投放时间精度的开锁窗口T1、发射窗口T2、投放延时时间T4和起转时间T5的历史数据，对所述历史数据进行插值，从而得到训练样本；

步骤b：利用步骤a得到所述训练样本，通过RBF径向基函数算法训练神经网络，从而得到训练好的径向基神经网络；

步骤c：将需要计算精度的诱饵弹延时投放时间的开锁窗口T1、发射窗口T2、投放延时时间T4和起转时间T5数据作为所述径向基神经网络的输入，从而训练计算得到诱饵弹延时投放时间精度值，将所述时间精度值除以诱饵弹延时投放时间得到一比值，将所述比值作为考核诱饵弹延时投放时间精度指标。

2.如权利要求1所述的基于RBF算法的诱饵弹延时投放时间精度计算方法，其特征在于，上述步骤b包含有如下步骤：

步骤b1：选择足够数量样本n1作为RBF中心，例如n1取值为样本数量四分之一，其中n1的取值为能够体现训练数据样本的概率密度函数的分布即可；

步骤b2：计算RBF函数的扩展参数σ，它等于中心向量之间的最大的欧氏距离除以联想神经元数量的开根号值；

步骤b3：初始化网络输出层权值为ω，其中ω为一些随机值；

步骤b4：提交一个输入向量，按公式1计算网络的输出，

这里，公式1中：ω_j是网络的输出权值，H是联想神经元的个数，为高斯函数；

步骤b5：按公式2更新输出层的连接权值，

∂E(l)∂ωj(l)=Σk=1Mek(l)G(||xk-cj(l)||)]]>

wj(l+1)=wj(l)η1∂E(l)∂ωj(l)---(2)]]>

这里，G(x,c)是微分算子L的Green函数，第j个隐节点的中心，e_k(l)为瞬时误差函数。η₁为学习步长，取一些小的随机值即可，它改变不会对本专利构成实质性改变；

步骤b6：按公式3更新隐单元中心c，

∂E(l)∂cj(l)=2ωj(n)Σk=1Mek(l)G′(||xk-cj(l)||)σj-1(l)[xk-cj(l)]]]>

ck(l+1)=cj(l)-η2∂E(l)∂cj(l)---(3)]]>

这里，η₂为学习步长，为随机值；

步骤b7：按公式4更新函数宽度σ，

∂E(l)∂σj-1(l)=-ωj(l)Σk=1Mek(l)G′(||xk-cj(l)||)[xk-cj(l)]T]]>

σj-1(l+1)=σj-1(l)-η3∂E(l)∂σj-1(l)---(4)]]>

这里，η₃为学习步长，取一些随机值；

步骤b8：如果网络收敛，能达到误差函数能达到误差容限，则停止，否则，l=l+1，转向步骤b4。