資源描述:
《一種組網(wǎng)雷達(dá)效能評(píng)估方法研究.pdf》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、《自動(dòng)化技術(shù)與應(yīng)用》2016年第35卷第2期控制理論與應(yīng)用ControlTheoryandApplications一種組網(wǎng)雷達(dá)效能評(píng)估方法研究周銘,申正義,郭銳(空軍預(yù)警學(xué)院模擬訓(xùn)練中心,湖北武漢430019)摘要:針對(duì)組網(wǎng)雷達(dá)作戰(zhàn)效能指標(biāo)體系,提出了基于SOM—BP云神經(jīng)網(wǎng)絡(luò)的效能評(píng)估方法,利用MATLAB對(duì)其進(jìn)行了仿真,驗(yàn)證了方法的有效性。關(guān)鍵詞:SOM神經(jīng)網(wǎng)絡(luò);BP云神經(jīng)網(wǎng)絡(luò),組網(wǎng)雷達(dá);效能評(píng)估中圖分類號(hào):TP311文獻(xiàn)標(biāo)志碼:A文章編號(hào):lo03—7241(20l6)02—0006—04AnEf
2、fectivenessEvaluationMethodofRadarNetworksZHOUMing,SHENZheng-yi,GUORui(AirForceEarlyWarningAcademy,Wuhan430019China)Abstract:Inordertoevaluatetheradarnetworksefectiveness,thispaperproposestheassessmentmethodbasedonSOM—BPneuralnetwork,andfinallysimulatesu
3、singMatlab.Theavailabilityofthisproposedmethodisverifiedbycomparingtheevaluationresultsofthefuzzycomprehensiveapproach.Keywords:SOMneuralnetworks;BPneuralnetworks;radarnetworks;eficiencyevaluation1引言m個(gè)輸出節(jié)點(diǎn)的二維網(wǎng)絡(luò)。第i個(gè)輸入神經(jīng)元節(jié)點(diǎn)與第利用基于自組織映像(SOM)神經(jīng)網(wǎng)絡(luò)能夠在沒(méi)有任J個(gè)輸出神經(jīng)元
4、節(jié)點(diǎn)之間的連接權(quán)值wj算法的訓(xùn)練過(guò)何先驗(yàn)知識(shí)的情況下,根據(jù)樣本中所包含的信息進(jìn)行聚程如下:類分類,使樣本的統(tǒng)計(jì)特性更加一致和顯著的特點(diǎn)對(duì)訓(xùn)練樣本進(jìn)行處理,再運(yùn)用處理后的樣本對(duì)BP云神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,通過(guò)對(duì)組網(wǎng)雷達(dá)作戰(zhàn)效能仿真比較,該方每拱法明顯優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。出聯(lián))2SOM神經(jīng)網(wǎng)絡(luò)自組織映像神經(jīng)網(wǎng)絡(luò)(SOM)的網(wǎng)絡(luò)結(jié)構(gòu)由完全連接的N維輸入層和M維輸出層兩層神經(jīng)元構(gòu)成,可以在訓(xùn)練中無(wú)監(jiān)督自組織學(xué)習(xí),把高維的輸入模式映像到一維或二維空間,使相類似的輸入向量映像到同一輸出神XlX2?X日經(jīng)元,實(shí)現(xiàn)數(shù)據(jù)的分類
5、。SOM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。圖1SOM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖SOM神經(jīng)網(wǎng)絡(luò)算法步驟:Step1對(duì)所有的初始權(quán)值,w選擇[0,1】之間的隨若輸入為n維向量X=(X。,x...x),建立一個(gè)有機(jī)值,且w互不相同。Step2以一定概率從樣本輸入空間里取1"1維向量,表示應(yīng)用于網(wǎng)格的啟動(dòng)模式。收稿日期:2O14-12-08自動(dòng)化技術(shù)與應(yīng)用2016年第35卷第2期控制理論與應(yīng)用ControlTheo~andApplications收了云模型的隨機(jī)性與模糊性和神經(jīng)網(wǎng)絡(luò)自身的特點(diǎn),為了驗(yàn)證SOM-BP云神經(jīng)網(wǎng)絡(luò)的優(yōu)越性,
6、選取100提高了網(wǎng)絡(luò)的性能?;赟OM—BP云神經(jīng)網(wǎng)絡(luò)模型的組測(cè)試值經(jīng)過(guò)歸一化處理后分別對(duì)于SOM—BP云神經(jīng)中心算法是:首先利用SOM神經(jīng)網(wǎng)絡(luò)對(duì)輸人樣本進(jìn)行網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。本文設(shè)定SOM神經(jīng)網(wǎng)處理,優(yōu)選出具有代表性的樣本;其次,用優(yōu)選出來(lái)的絡(luò)和BP云神經(jīng)網(wǎng)絡(luò)(BP神經(jīng)網(wǎng)絡(luò))的最大迭代次數(shù)均樣本對(duì)BP云神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練;最后,采用測(cè)試樣本為1000,BP云神經(jīng)網(wǎng)絡(luò)(BP神經(jīng)網(wǎng)絡(luò))的訓(xùn)練誤差目標(biāo)對(duì)模型進(jìn)行驗(yàn)證。為0.001,輸入層有16個(gè)神經(jīng)元,根據(jù)Kolmogorov定SOM-BP云神經(jīng)網(wǎng)絡(luò)
7、算法步驟:理,隱含層有33個(gè)神經(jīng)元。啟動(dòng)函數(shù)為Sigmoid函數(shù),Step1構(gòu)造網(wǎng)絡(luò)訓(xùn)練樣本,并對(duì)輸入樣本進(jìn)行歸一輸出層為5其輸出Y廣y5為0.85~1、0.75~0.85、化處理。Step2用SOM算法將輸入樣本進(jìn)行初步聚類。良、中、差和很差5個(gè)能力評(píng)估等級(jí)。下面我們用兩組Step3以SOM網(wǎng)絡(luò)的聚類結(jié)果作為BP云神經(jīng)網(wǎng)實(shí)驗(yàn)來(lái)比較SOM—BP云神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)的收絡(luò)的輸入,通過(guò)BP云神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。斂速度和迭代次數(shù)。Step4訓(xùn)練后的復(fù)合神經(jīng)網(wǎng)絡(luò)就是SOM-BP神廣探測(cè)域經(jīng)網(wǎng)絡(luò)。SOM-BP云
8、神經(jīng)網(wǎng)絡(luò)算法流程圖如圖3所示。廠l能力豐通過(guò)上述演算法分析,可知SOM—BP云神經(jīng)網(wǎng)絡(luò)數(shù)墨是在改進(jìn)的BP云神經(jīng)網(wǎng)絡(luò)前加入了一個(gè)SOM競(jìng)爭(zhēng)層。首先對(duì)輸入樣本進(jìn)行自聚類,將低維空間線性不可分樣組卜--抗f擾能力—卜極化類犁系數(shù)本映像到高維空間,使其線性可分,從而完成對(duì)輸人樣本的初步辨識(shí),然后通過(guò)BP云神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,進(jìn)行輸入一輸出間的監(jiān)督學(xué)習(xí),從而完成輸入一輸出之間的非線性映像??p—I指能釜力制4L-摘3J=削q*'JLmr~策能力“能l—控j