[发明专利]人工智能程序员书写数字飞行器代码的神经网络决策方法

摘要

本发明公开提供了一种人工智能程序员书写数字飞行器代码的神经网络决策方法，使用人工智能程序员来替代人书写数字飞行器源代码，具体通过对目标样本集与飞行器部件模型零件仿真步长向量决策集建立对应关系，并进行神经网络训练，获得决策零件仿真步长向量；可以根据任务要求自主编写数字飞行器源代码，并且自主决策源代码书写中代码的编写、飞行器模型中模块的内部仿真步长设计等问题，将人从繁重的数字飞行器源代码编写过程中解放出来。本发明合理地完成数字飞行器源代码的自主决策，实现了数字飞行器源代码书写的自动化与智能化，降低了飞行器的仿真成本。

主权项

1.一种人工智能程序员书写数字飞行器代码的神经网络决策方法，其特征在于，所述方法包括以下步骤：步骤一，收集数字飞行器的目标样本，目标样本包括目标元素集和飞行器部件模型零件仿真步长向量决策集；将目标元素集中的每个目标元素和飞行器部件模型零件仿真步长向量决策集中的每个目标元素一一对应存储至目标样本数据库；步骤二，提取步骤一中目标元素集中每个目标元素的特征向量和飞行器部件模型零件仿真步长向量；步骤三，将步骤二中的特征向量归一化，得到神经网络训练输入向量；步骤四，将步骤二中的飞行器部件模型零件仿真步长向量归一化，得到神经网络训练输出向量；步骤五，训练神经网络；步骤六，获取待决策目标，提取待决策特征向量并进行归一化；步骤七，将待决策特征向量作为决策输入向量，运行步骤五中训练好的神经网络，获得决策输出向量；步骤八，将决策输出向量进行反归一化，得到决策零件仿真步长向量。