Evaluation for Sortie Generation Capacity of the Carrier Aircraft Based on the Variable Structure RBF Neural Network with the Fast Learning Rate

CONTENIDO PARA USUARIOS REGISTRADOS

Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.

Descripción: La red neuronal tiene ventajas de autoaprendizaje, autoadaptación y tolerancia a fallos. Puede establecer un modelo de evaluación cualitativo y cuantitativo que se acerca a los patrones de pensamiento humano. Sin embargo, la estructura y la tasa de convergencia de la red neuronal de función de base radial (RBF) necesitan ser mejoradas. Este artículo propone una nueva estructura variable de función de base radial (VS-RBF) con una rápida tasa de aprendizaje, con el fin de resolver el problema de diseño de optimización estructural y algoritmo de aprendizaje de parámetros para la red neuronal de función de base radial. El número de neuronas en la capa oculta se ajusta calculando la información de salida de las neuronas en la capa oculta y la multi-información entre las neuronas en la capa oculta y la capa de salida. Este método resuelve eficazmente el problema de que la estructura de la red neuronal RBF sea demasiado grande o demasiado pequeña. La tasa de convergencia de la red neuronal RBF se mejora utilizando el algorit
Citación recomendada (normas APA)
: Hindawi, "Evaluation for Sortie Generation Capacity of the Carrier Aircraft Based on the Variable Structure RBF Neural Network with the Fast Learning Rate", -:Revista VirtualPRO,, 2018. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3844563/), el día 2025-07-04.

Información adicional