10.3969/j.issn.1002-0640.2020.06.008
标准化全连接残差网络空战目标威胁评估
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.
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
45
TJ7;TP183(火箭、导弹)
国家自然科学基金;中北大学研究生科技立项基金资助项目
2020-08-25（万方平台首次上网日期，不代表论文的发表时间）
共6页
39-44
