提高预测精度的ELMAN和SOM神经网络组合

针对预测样本数量有限的问题,提出了对训练样本和要预测的样本先聚类、后分别训练和预测的方法。利用网络特性,对复杂信息进行预先分类,使后续信息处理和映射更精确迅速,采用ELMAN神经网络和SOM神经网络的组合提高预测精度。通过对天气和疾病的预测仿真实验表明,该方法增强了网络的局部泛化能力,预测精度高于BP网络和单一采用EMAN网络或SOM网络的精度。     

一种基于ELMAN神经网络的最优中制导律

对于中远程导弹,为得到最优中制导弹道,提出了一种基于ELMAN神经网络的最优中制导律。研究和仿真分析表明这种基于ELMAN神经网络的最优中制导律与其它末制导律配合,可有效提高导弹拦截机动目标的性能。