基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对空战态势中威胁评估传统方法存在缺乏自学习能力和面对大样本数据集推理能力不足的问题,提出了利用深度学习的基于标准化全连接残差网络空战目标威胁评估的方法.将影响空战目标威胁的主要因素作为输入,利用普通全连接神经网络训练模型的自学习能力,结合批量标准化(Batch Normalization)的优化算法和结构优化的残差网络(ResNet)增强网络的自学习能力,比较了样本的标记和网络模型的输出.分析了训练样本个数对网络训练准确率和损失变化的影响,对比了3种不同数据量下的训练模型在同一测试集下测试的准确率和损失变化.结果 表明,该方法可以快速准确地评估空战中目标的威胁程度.
推荐文章
空战中的多目标威胁评估方法
威胁评估
证据理论
模糊集理论
威胁排序
基于动态神经网络的空战目标威胁评估专家系统
动态神经网络
专家系统
威胁评估
BP算法
基于RBF神经网络的空战威胁评估
RBF神经网络
威胁评估
空战
基于组合赋权的空战威胁评估方法研究
兵器科学与技术
逼近理想解的排序法
层次分析法
熵权法
组合赋权
空战威胁评估
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 标准化全连接残差网络空战目标威胁评估
来源期刊 火力与指挥控制 学科 工学
关键词 标准化全连接残差网络 威胁评估 大样本 全连接网络 批量标准化 残差网络
年,卷(期) 2020,(6) 所属期刊栏目 理论研究
研究方向 页码范围 39-44
页数 6页 分类号 TJ7|TP183
字数 4428字 语种 中文
DOI 10.3969/j.issn.1002-0640.2020.06.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨风暴 中北大学信息与通信工程学院 139 748 12.0 19.0
2 吉琳娜 中北大学信息与通信工程学院 38 91 5.0 6.0
3 吕红亮 中北大学信息与通信工程学院 6 1 1.0 1.0
4 翟翔宇 中北大学信息与通信工程学院 4 0 0.0 0.0
5 李书强 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (118)
共引文献  (105)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(7)
  • 参考文献(1)
  • 二级参考文献(6)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(8)
  • 参考文献(1)
  • 二级参考文献(7)
2010(8)
  • 参考文献(2)
  • 二级参考文献(6)
2011(7)
  • 参考文献(1)
  • 二级参考文献(6)
2012(7)
  • 参考文献(2)
  • 二级参考文献(5)
2013(8)
  • 参考文献(0)
  • 二级参考文献(8)
2014(12)
  • 参考文献(0)
  • 二级参考文献(12)
2015(26)
  • 参考文献(0)
  • 二级参考文献(26)
2016(10)
  • 参考文献(2)
  • 二级参考文献(8)
2017(4)
  • 参考文献(0)
  • 二级参考文献(4)
2018(5)
  • 参考文献(5)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
标准化全连接残差网络
威胁评估
大样本
全连接网络
批量标准化
残差网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
火力与指挥控制
月刊
1002-0640
14-1138/TJ
大16开
山西太原193号信箱
22-134
1976
chi
出版文献量(篇)
9188
总下载数(次)
26
总被引数(次)
34280
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导