典型文献
基于GA-小波-BP神经网络的装备维修能力评估
文献摘要：
针对传统装备维修保障能力评估主观性强、适应性弱的特点,提出了一种以装备维修记录为样本数据的基于误差反向传播(back propagation,BP)前馈神经网络的维修能力评估方法.为消除维修记录属性冗余,选用粗糙集主分量约简算法,对样本属性进行约简,为避免BP神经网络因局部极值导致局部收敛和收敛速度过慢的影响,利用遗传算法(genetic algorithm,GA)的全局搜索能力对神经网络初始权值和阈值进行了优化,为增加网络的学习功能,提高网络训练速率和训练精度,选取小波函数作为隐含层的传递函数,Sigmoid函数为输出层激活函数.研究表明:通过冗余属性约简提高了BP神经网络的性能,利用GA优化BP神经网络权值/阈值和小波函数作为隐含层的传递函数,避免了局部收敛,提高了网络的训练速率和评估的精度,降低了误差.
文献关键词：
维修能力评估;主分量约简;遗传算法;BP神经网络;小波函数
中图分类号：
作者姓名：
赵黎兴;侯兴明;徐兆文;和林子
作者机构：
航天工程大学航天保障系,北京 102206
文献出处：
引用格式：
[1]赵黎兴;侯兴明;徐兆文;和林子-.基于GA-小波-BP神经网络的装备维修能力评估)[J].现代防御技术,2022(02):84-95
A类：
维修能力评估,主分量约简
B类：
GA,装备维修保障,保障能力评估,主观性,维修记录,误差反向传播,back,propagation,前馈神经网络,粗糙集,简算,行约,局部极值,局部收敛,收敛速度,过慢,genetic,algorithm,全局搜索,搜索能力,权值,学习功能,网络训练,小波函数,隐含层,传递函数,Sigmoid,出层,激活函数,属性约简
AB值：
0.292253
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
