基于改进贝叶斯正则化BP神经网络的测试性评估技术研究
测试性评估是整个测试性设计工作的关键环节,能够反映设计方案的正确性、识别设计缺陷以及检验设计要求;针对当前有效评估手段的缺乏,本文提出了一种新的测试性评估方法;在建立测试性评估指标体系的基础上,利用BP网络解决非线性问题的优势,建立了评估模型,同时采用贝叶斯正则化(BR)训练方法,提高网络的泛化能力,并提出带自适应变异的质心量子粒子群(AMCQPSO)算法,以优化BP网络初始权值和阈值,以提高评估模型结果的准确度;经实验验证,评估方法具有较高的准确性和实用性,能够更好地为装备测试性设计服务.
测试性评估、BP神经网络、贝叶斯正则化、初始权值和阈值
20
TP389.1(计算技术、计算机技术)
军队重点预研项目51327030104
2013-01-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
3165-3168