針對空戰(zhàn)中目標威脅評估系統(tǒng)非線性、評估難度大等特點,提出了自回歸小波神經(jīng)網(wǎng)絡(luò)(Self-recurrent Wavelet Neural Network,SRWNN)的空中目標威脅評估方法。通過分析SRWNN結(jié)合遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Net RNN)的吸引子動力學(xué)和WNN快速收斂的特點,建立了SRWNN模型,提出了SRWNN的參數(shù)優(yōu)化學(xué)習(xí)算法,以實現(xiàn)增強自學(xué)習(xí)能力的目的,然后分析了威脅評估的影響因素,給出了基于SRWNN的空中目標威脅評估算法的程序設(shè)計。仿真實驗結(jié)果表明,與WNN相比,該算法提高了系統(tǒng)的穩(wěn)定性,加快了收斂速度,增強了預(yù)測精度。

【文章頁數(shù)】：3 頁


本文編號：3920640