基于进化规划的自适应高斯神经网络及其在被动声纳目标识别中的应用
自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值.因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法,该方法能够自动的确定网络的最优结构和联结权值,同时避免网络的局部优化.将该方法用于被动声呐目标的分类识别,实验结果表明基于进化规则的自适应高斯神经网络能够有效的克服局部最小问题,具有更好的识别率.
进化规划 神经网络 声纳目标识别
王向军 林春生 龚沈光
海军工程大学信息与电气学院(武汉) 海军工程大学兵器工程系(武汉)
国内会议
安徽黄山
中文
150-152
2004-05-27（万方平台首次上网日期，不代表论文的发表时间）