[发明专利]一种基于快速学习率的RBF评估舰载机出动能力的方法有效
申请号: | 201810461685.8 | 申请日: | 2018-05-15 |
公开(公告)号: | CN108805264B | 公开(公告)日: | 2021-08-31 |
发明(设计)人: | 栾添添;孙明晓 | 申请(专利权)人: | 哈尔滨理工大学 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G06N3/08 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 150080 黑龙*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 快速 学习 rbf 评估 舰载 出动 能力 方法 | ||
1.一种基于快速学习率的RBF评估舰载机出动能力的方法,包括舰载机出动能力指标体系模型生成器(1),舰载机出动能力指标标准化模块(2),AHP评估样本生成器(3),RBF隐含层神经元增减判别器(4),RBF隐含层神经元增加模块(5),RBF隐含层神经元减少模块(6),RBF权重调节器(7),RBF快速学习率调节器(8),RBF训练终止判别器(9),舰载机出动能力RBF评估结果测试器(10),舰载机出动能力评估结果分析器(11),其特征在于:
根据舰载机出动能力指标体系模型生成器(1)所建立的指标体系,生成指定数量的待评估样本,待评估样本经过舰载机出动能力指标标准化模块(2)转换为标准的样本值,利用AHP评估样本生成器(3)对标准的样本值进行评估,评估结果的一部分作为训练样本,其余作为测试样本;
训练样本用于RBF神经网络的训练,若经过RBF隐含层神经元增减判别器(4)计算隐层的兴奋程度函数,判别后需要增加隐含层神经元,利用RBF隐含层神经元增加模块(5)实现隐含层神经元增加功能,确定新增加的隐含层神经元数据中心、扩展常数和输出权重,反之,经过RBF隐含层神经元增减判别器(4)计算标准化评估值函数,若判别后需要减少隐含层神经元,则利用RBF隐含层神经元减少模块(6)实现隐含层神经元减少功能,确定减少的隐含层神经元的数据中心、扩展常数和权重;
然后利用RBF权重调节器(7)实现权重的鲁棒调节,继续利用RBF快速学习率调节器(8)实现神经网络学习率的自适应快速调节;
根据RBF训练终止判别器(9)的训练结果与训练样本的比较,判断训练终止条件,若没有达到训练精度,则返回RBF隐含层神经元增减判别器(4)再次训练,否则确定隐含层神经元数据中心、扩展常数和权重,进行下一步测试,利用舰载机出动能力RBF评估结果测试器(10)和测试样本对训练好的神经网络进行测试,并利用舰载机出动能力评估结果分析器(11)对评估误差进行分析,实现舰载机出动能力快速评估。
2.根据权利要求1所述的一种基于快速学习率的RBF评估舰载机出动能力的方法,其特征在于:所述的待评估样本经过舰载机出动能力指标标准化模块(2)转换为标准的样本值指:
1)当评估值越大舰载机出动能力越好时,按照进行归一化;
2)当评估值越小舰载机出动能力越好时,按照进行归一化; 式中,X为标准的样本值,Y为待评估样本值,max和min分别为对同一指标而言目前可能出现的最大值和最小值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学,未经哈尔滨理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810461685.8/1.html,转载请声明来源钻瓜专利网。