基于改进Elman神经网络的目标威胁度预测评估
针对地面防空作战中目标威胁度难以准确评估的问题,提出了基于改进Elman神经网络的目标威胁度动态预测评估方法.该方法利用量子粒子群智能优化(QPSO)算法对Elman神经网络进行了改进,提出了QPSO-Elman神经网络,并基于优化的QPSO-Elman神经网络构建了目标威胁度的动态预测评估模型.仿真分析表明,该方法有效解决了目标威胁度的动态评估问题,预测结果更加准确且实用性强,增强了防空系统的作战能力.
目标威胁度、Elman神经网络、量子粒子群优化算法、防空作战
39
TP183(自动化基础理论)
军内科研基金重点项目资助ZS2015070132A12009
2017-07-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
101-106