公开(公告)号：CN114298414A

公开(公告)日：2022-04-08

申请号：CN202111633346.1

申请日：2021-12-28

Applicant: 江南机电设计研究所

Inventor： 陈西 ,  吴昌翰 ,  杨航 ,  廖咏一 ,  李兴国

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/26 ,  G06F30/27 ,  G06N3/00 ,  G06N20/20

Abstract: 本发明提供了一种装备体系效能预测与指标优化方法；包括如下步骤：S1，根据作战想定确定作战体系的指标范围，并进行仿真；S2，利用仿真数据对效能预测模型进行训练；S3，采用粒子群算法，以效能预测模型为适应度函数，在指标范围内计算得到优选指标。本发明通过机器学习模型学习了仿真评估过程中的机理，以机器学习模型代替了原有的复杂仿真评估过程，实现了以机器学习模型的快速评估，大大缩短了评估时间，提升了设计效率；同时在已有效能评估模型的基础上能够启发式地快速生成若干可行解，并利用效能评估模型对可行解进行评估，选择效能结果最优的可行解，从而实现了对体系的快速优化。

公开(公告)号：CN110889207A

公开(公告)日：2020-03-17

申请号：CN201911088404.X

申请日：2019-11-08

Applicant: 江南机电设计研究所

Inventor： 李兴国 ,  廖咏一 ,  李延超 ,  罗德智 ,  杨荣强 ,  汪正东 ,  王海星 ,  彭芳

IPC: G06F30/20 ,  G06F111/10

Abstract: 本发明提供一种基于深度学习的体系组合模型可信度智能评估方法，包括以下步骤：获取参考学习样本集-获取参考学习样本集-评估不确定性影响程度-评估噪声影响程度-评估可信度。本发明应用深度学习方法，综合考虑不确定性和噪声的影响，对待检验模型的可信度评估更加可靠，并通过应用从仿真学习样本(待检验模型)到参考学习样本(参考模型)到逆向映射关系，避免正向映射时可能出现的模糊现象，提高可信度评估的准确性，通过深度学习方法和基于损失函数的优化模型，降低体系作战仿真可信度评估的实施难度，实现自适应智能评估和模型筛选。