基于GA-SLFRWNN的空中目标威胁评估

• 作者: 刘子龙 梁红利 陈侠
• 来源期刊: 西北工业大学学报
• 学科: 航空航天
• 关键词: 目标威胁评估 模糊神经网络 模糊递归小波神经网络 遗传算法 最优学习率
• 年，卷（期）: 2019,（2）
• 页码范围: 424-432
• 页数: 9页
• 分类号: V279
• 字数: 5336字
• 语种: 中文

摘要

针对空战中目标威胁评估系统非线性、评估难度大且富含不确定信息的问题,研究了基于遗传算法优化模糊递归小波神经网络(single-hidden-layer fuzzy recurrent wavelet neural network optimized by genetic algorithm,GA-SLFRWNN)的目标威胁评估方法.首先通过分析威胁评估的影响因素及其信息的模糊性,将RWNN嵌入FNN的后件部分,以实现增强自学习能力的目的,然后采用GA对模型初始参数进行优化选取,并提出了基于李雅普诺夫理论的最优学习率.仿真实验表明:相比于FNN和FRWNN,该算法提高了系统的稳定性,加快了收敛速度,增强了预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈侠	沈阳航空航天大学自动化学院	74	518	12.0	19.0
2	梁红利	沈阳航空航天大学自动化学院	3	2	1.0	1.0
3	刘子龙	沈阳航空航天大学自动化学院	2	2	1.0	1.0