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。
本发明的目的是这样实现的:本发明的基于快速学习率的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)。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
此技术为哈尔滨理工大学栾添添研发,承担本专科及研究生层次普通高等学历教育工作承担科学技术研究工作
评价单位:“科创中国”河北科技服务团 (河北省数字健康工程学会)
评价时间:2023-10-11
综合评价
技术转让,所需资金需双方协商,此项技术想尽快落地保定,希望具备此项技术研发的技术方,能够尽快承接次项、
查看更多>