基于量子遗传算法优化Hopfield 神经网络军事训练效果评价
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

装备军内科研项目资助课题(WJ291A030024)


Optimization of Military Training Effect Evaluation of Hopfield Neural Network Based on Quantum Genetic Algorithm
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    新兵入伍训练是提升战斗力的基础,对新兵入伍训练成绩进行科学评价,将入伍训练19 个指标作为评估 因子,选取8 个班平均训练成绩进行模糊聚类分析,按照得分情况制定了4 个等级的划分方法,提出了一种基于量 子遗传算法优化离散型Hopfield 神经网络的评估模型,然后将待分级的4 名士兵训练成绩进行Hopfield 编码评估, 并用实例对模型进行验证,为基层部队强化智能化军事训练方法手段提供了理论依据。

    Abstract:

    Recruit training is the basis of improving combat effectiveness. For scientific evaluation for recruit training scores, 19 indexes of recruit training are selected as evaluation factors, average training scores of 8 classes are selected for fuzzy clustering analysis, and 4-layers classification method is made according to scores. Put forward the optimized discrete Hopfield neural network evaluation model based on quantum genetic algorithm. Then, 4 soldiers’ training scores are used for Hopfield coding evaluation, and the model is verified by example. It provides theoretical basis for enforcing basic unit intellectualization training method.

    参考文献
    相似文献
    引证文献
引用本文

曹 瑾.基于量子遗传算法优化Hopfield 神经网络军事训练效果评价[J].,2021,40(10).

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-06-09
  • 最后修改日期:2021-07-20
  • 录用日期:
  • 在线发布日期: 2021-11-22
  • 出版日期:
文章二维码