[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

摘要

本发明涉及一种基于快速学习率的RBF评估舰载机出动能力的方法。根据舰载机出动能力指标体系模型生成器所建立的指标体系，生成指定数量的待评估样本，用于训练基于快速学习率的RBF神经网络，经过RBF隐含层神经元增减判别器判别后调整隐含层神经元数量，然后实现权重的鲁棒调节和神经网络学习率的自适应快速调节，最终实现舰载机出动能力快速评估。利用快速学习率的RBF神经网络的非线性映射能力来评估复杂非线性的舰载机出动能力，可以避免传统的评估方法主观性较强和评估过程复杂。通过评估值与阈值的比较来增减隐含层神经元数量更加合理，快速学习率和鲁棒算法保证神经网络更快的学习速率和稳定性。本发明通过仿真实验验证了评估方法的有效性。

主权项

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。