基于MAPSO算法的小波神经网络训练方法研究

为提高小波神经网络(Wavelet Neural Network,WNN)的建模质量,针对标准粒子群(Particle Swarm Optimization,PSO)算法优化WNN存在的早熟和局部收敛问题,提出一种基于多粒子信息共享(Multi-particle information share)和自适应惯性权重(Adaptive inertia weight)策略的PSO方法(MAPSO)用于WNN训练。多粒子信息共享采用多粒子信息来修正各粒子下一次的行动策略,以降低粒子陷入局部最优的可能性;惯性权重自适应调整根据群体早熟收敛程度,按个体适应度自适应调整惯性权重,以使陷入局部最优粒子跳出。同时,给出了算法实现的基本流程。仿真结果表明MAPSO算法既具有PSO算法的简捷性,又能够提高WNN学习速度和精度及全局搜索能力,是小波网络的有效训练方法。     

基于神经网络的装备可靠性与维修费相关性建模

维修费用在装备全寿命周期费用中的比例很大,可靠性是装备的主要特性之一,二者存在着密切的联系。运用神经网络的方法,针对某型装甲车辆的故障以及维修费用数据,对装备维修费用与可靠性之间的关系进行了深入地研究,建立了二者的相关性模型。研究成果对于可靠性设计和维修费用控制都具有重要意义。