基于深度学习特征迁移的装备体系效能预测

• 作者: 任俊 朱丰 胡晓峰
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 深度学习 迁移学习 特征抽取 堆栈降噪自编码
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 系统工程
• 页码范围: 2745-2749
• 页数: 5页
• 分类号: TP181
• 字数: 5078字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2017.12.17

摘要

针对武器装备体系效能评估在高维噪声小样本数据条件下准确性不高的问题,提出一种基于堆栈降噪自编码与支持向量回归机的混合模型.利用堆栈自编码神经网络对通用深层特征的自主抽取能力,通过在相似源域大数据上预训练混合模型,获得两任务间的共有特征知识,借助对该知识的迁移,在目标域微调该混合模型,从而提升支持向量回归机在小样本噪声数据上的学习预测精度.在一定作战想定背景下,结合武器装备体系仿真试验数据,对该混合模型进行验证.实验结果表明,与传统支持向量回归机等模型相比,所提模型能够更准确地评估装备效能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡晓峰	国防大学信息作战与指挥训练教研部	244	2703	27.0	37.0
2	任俊	国防大学信息作战与指挥训练教研部	8	37	3.0	6.0
6	朱丰	国防大学信息作战与指挥训练教研部	5	17	3.0	4.0