论文部分内容阅读
摘 要：在飞机导航体系的操作中，实行一些路径规划工作并经过算法对其实行改善是非常重要的。本文采用神經网络技巧对飞机引路体系的相关问题实行改善和确定，力求获取最好解析。同时，指出了引路算法进一步发展的方向。
关键词：神经网络；飞机导航；运用
1 神经网络技巧探究
1.1 人造神经网络的技巧概述
人造神经网络是相互作用的分子组成的电路，有着复杂的结构特征，我们抽象为一种模型，通过模拟学习人的思维，进行推算出需要的数据，能够经过节点之间的互连来解析和传递信息。人造神经网络可用于新事物。在先前的演练数值研习和调整分类并识别新事物之后，解析要演练的对象和要推算的对象，确定两者之间的差距，并根据权重传出结果。对于推算，神经网络是非常重要的推算模型。有许多神经元须要建立，每个传出性能都串联到一个称为刺激性能的节点。反映两个节点之间的串联权重。信息的传输强度类比于人类细胞间的传输强度，而且网络的传输和串联有着很重要的关联，它们同时受到重量以及性能等方面的影响。网络本身的推算能力是有效推算和表达的最好策略展示。人脑的工作机制异常复杂，它拥有140亿个神经细胞同步解析和命令。每个神经细胞的生产力都有限，但它能够并行办理，使大脑更强大。规模信息的办理方案和人脑研究有助于改善中国飞机导航相关技术。我们通过研究人脑，让智能神经在大量推算机中运用，也体现出了人造神经网络的意义。大脑是靠神经细胞在起作用，它能够很好地管理和传递各种神经信息。细胞体、树突及轴突等组成神经元，它们分工合作，传递信息主要由树突和轴突完成，然后细胞体解析这些信息，而且每个神经细胞能够传递被刺激或抑制的信息，其能够在推算机中被抽象为数字0和1而被计算机识别，让神经细胞间串联起不同的突触。然后这些信息进行交互，某个细胞的树突，接受其他细胞传来的对应信息，表现出兴奋或者抑制的状态，最后都交给细胞体完成处理。在某个时间段内，细胞表现出足够强的兴奋信息，同时可能会产生一个相应的脉冲，传递出这个信息，形成神经网络的构造。
1.2 人造神经网络的运行方式
人类通过人脑神经体系的构造来演练和研习人造智能，将人类的思想赋予电脑，让推算机模拟人类思想方式进行推算，从而提高推算机的性能。它还能够对大脑的信息办理方案有一定的了解。人造智能已经开发了很长历史，我们拥有了不少的数学模型。它们有很好的理论成果，有不同的网络构造，但他们都模仿人类的基本构造。在运行时，它们通过运用一些模拟的生物神经元来处理数值，也被称作人造神经元，通过不同的人脑细胞最基本特征模拟而成。这些人造神经元好比人体细胞，处理信息并负责相应的数值呈现。人造神经元首要实现信息的传入和输出。人造神经网络，是由人造神经元互相串联而成。各种类型的神经网络，由不同的方式串联形成。但核心思想是经过神经网络，思想方式实现了推算，他们能够修改和运用权重来改进和改变信息分辨率和传递能力。在人造神经网络中，神经元能够处理很多实际的对象，如单词，字符或其他，传入、输出和隐单元，是网络处理的三个单位。
2 基于神经网络技巧的飞机引路体系运用
飞机导航算法是一种自适应方式，能方便有效地用在各种智能境况体系中。在早些时候，我们通过相关文献发现，基于时间的Q研习（TBQL）被认为是获取路径的最好掌控。在较早期一些的TBQL算法中，时间变量t需要接近于正无穷大才会获得最理想的Q函数，这就表示最好的函数和最好掌控律在t→∞的范围内是时不变函数，但路径是一个时变函数，这也就是最好的掌控律和最好的飞机引路算法。其实函数也在随时间变化，TBQL算法无法解析某些体系指标，比如体系性能等等。所以，我们迫切需要开发出一种基于迭代法的新型飞机导航算法，同时还需要建立相应的性能解析。
增强研习计划首要由境况意识和推算掌控。流行的解释是：我们能够把飞机抽象为一个能够通过经历学习的机器人。也可以想象经过将机器人放置在建筑物的任何房屋中而且现在希望它离开建筑物本身来找到最好掌控过程。我们称每一个房屋为一个状况，称机器人从一个房屋移到另一个房屋的过程为行为（即从一个状况过渡到下个状况）。机器人开始不知道选哪个方式好。它从一个房屋到另一个房屋，但不知道最后走出来的会是建筑物的哪个门。然后，我们引入分配给每条路线的“奖赏”值。路线奖赏值越正确，错误的路线奖赏值为零甚至是负值，而且能够直接获取的路线的“奖赏”值是100建筑物外。飞机引路算法的目的也是获取最大奖赏值，所以当机器人到达目的房屋时，它将始终保持原位，目的也将成为“吸收目的”。机器人从经历中研习。每个自学过程都等同于培训。在实践中，机器人探索外部境况并接受来自外部境况的奖赏，直到达到目的条件。这项演练的目的是加强机器人的“大脑”（由Q代表）。执行演练的次数越多，Q的改善就越好。我们能够构建一个关于“奖赏”的矩阵R，其中状态是一行，行为是一列。类似地，矩阵Q也被构造为呈现机器人从经历中研习的知识。Q和R具有相同的顺序，行呈现状态，列呈现行为。机器人在开始时不了解外部环境特征，应将矩阵Q初始化为零矩阵，运用飞机导航算法的传输规律来形成矩阵。在演练Q增强性能时，机器人能够轻松找到目的情况的最快路径。我们没有修改每个阶段，而是从初始迭代的初始值实现修改和改善，因为我们能够经过网络相关演练减少总错误。归一化后，在数值归一化后，我们通过最小化体系产生错误并获取准确结果。
3 结语
飞机智能导航体系的运用对现代科学技术发展有重要意义。它须要经过新技术和新想法进行改进和创新。经过现代化的方式和实践经历，及时检查和办理设备常见问题。为确保工作质量，设备的运用更安全。
参考文献：
[1]王尔申，佟刚，庞涛.低空空域通用航空飞机机载引路监视终端设计[J].电讯技巧，2015（05）.
[2]张勇.非法广播惹祸端引路通信受干扰[J].中国无线电，2015（01）.
作者简介：邹文（1969-），男，汉族，重庆人，本科，助理工程师，研究方向：飞机导航和地面通信。
关键词：神经网络；飞机导航；运用
1 神经网络技巧探究
1.1 人造神经网络的技巧概述
人造神经网络是相互作用的分子组成的电路，有着复杂的结构特征，我们抽象为一种模型，通过模拟学习人的思维，进行推算出需要的数据，能够经过节点之间的互连来解析和传递信息。人造神经网络可用于新事物。在先前的演练数值研习和调整分类并识别新事物之后，解析要演练的对象和要推算的对象，确定两者之间的差距，并根据权重传出结果。对于推算，神经网络是非常重要的推算模型。有许多神经元须要建立，每个传出性能都串联到一个称为刺激性能的节点。反映两个节点之间的串联权重。信息的传输强度类比于人类细胞间的传输强度，而且网络的传输和串联有着很重要的关联，它们同时受到重量以及性能等方面的影响。网络本身的推算能力是有效推算和表达的最好策略展示。人脑的工作机制异常复杂，它拥有140亿个神经细胞同步解析和命令。每个神经细胞的生产力都有限，但它能够并行办理，使大脑更强大。规模信息的办理方案和人脑研究有助于改善中国飞机导航相关技术。我们通过研究人脑，让智能神经在大量推算机中运用，也体现出了人造神经网络的意义。大脑是靠神经细胞在起作用，它能够很好地管理和传递各种神经信息。细胞体、树突及轴突等组成神经元，它们分工合作，传递信息主要由树突和轴突完成，然后细胞体解析这些信息，而且每个神经细胞能够传递被刺激或抑制的信息，其能够在推算机中被抽象为数字0和1而被计算机识别，让神经细胞间串联起不同的突触。然后这些信息进行交互，某个细胞的树突，接受其他细胞传来的对应信息，表现出兴奋或者抑制的状态，最后都交给细胞体完成处理。在某个时间段内，细胞表现出足够强的兴奋信息，同时可能会产生一个相应的脉冲，传递出这个信息，形成神经网络的构造。
1.2 人造神经网络的运行方式
人类通过人脑神经体系的构造来演练和研习人造智能，将人类的思想赋予电脑，让推算机模拟人类思想方式进行推算，从而提高推算机的性能。它还能够对大脑的信息办理方案有一定的了解。人造智能已经开发了很长历史，我们拥有了不少的数学模型。它们有很好的理论成果，有不同的网络构造，但他们都模仿人类的基本构造。在运行时，它们通过运用一些模拟的生物神经元来处理数值，也被称作人造神经元，通过不同的人脑细胞最基本特征模拟而成。这些人造神经元好比人体细胞，处理信息并负责相应的数值呈现。人造神经元首要实现信息的传入和输出。人造神经网络，是由人造神经元互相串联而成。各种类型的神经网络，由不同的方式串联形成。但核心思想是经过神经网络，思想方式实现了推算，他们能够修改和运用权重来改进和改变信息分辨率和传递能力。在人造神经网络中，神经元能够处理很多实际的对象，如单词，字符或其他，传入、输出和隐单元，是网络处理的三个单位。
2 基于神经网络技巧的飞机引路体系运用
飞机导航算法是一种自适应方式，能方便有效地用在各种智能境况体系中。在早些时候，我们通过相关文献发现，基于时间的Q研习（TBQL）被认为是获取路径的最好掌控。在较早期一些的TBQL算法中，时间变量t需要接近于正无穷大才会获得最理想的Q函数，这就表示最好的函数和最好掌控律在t→∞的范围内是时不变函数，但路径是一个时变函数，这也就是最好的掌控律和最好的飞机引路算法。其实函数也在随时间变化，TBQL算法无法解析某些体系指标，比如体系性能等等。所以，我们迫切需要开发出一种基于迭代法的新型飞机导航算法，同时还需要建立相应的性能解析。
增强研习计划首要由境况意识和推算掌控。流行的解释是：我们能够把飞机抽象为一个能够通过经历学习的机器人。也可以想象经过将机器人放置在建筑物的任何房屋中而且现在希望它离开建筑物本身来找到最好掌控过程。我们称每一个房屋为一个状况，称机器人从一个房屋移到另一个房屋的过程为行为（即从一个状况过渡到下个状况）。机器人开始不知道选哪个方式好。它从一个房屋到另一个房屋，但不知道最后走出来的会是建筑物的哪个门。然后，我们引入分配给每条路线的“奖赏”值。路线奖赏值越正确，错误的路线奖赏值为零甚至是负值，而且能够直接获取的路线的“奖赏”值是100建筑物外。飞机引路算法的目的也是获取最大奖赏值，所以当机器人到达目的房屋时，它将始终保持原位，目的也将成为“吸收目的”。机器人从经历中研习。每个自学过程都等同于培训。在实践中，机器人探索外部境况并接受来自外部境况的奖赏，直到达到目的条件。这项演练的目的是加强机器人的“大脑”（由Q代表）。执行演练的次数越多，Q的改善就越好。我们能够构建一个关于“奖赏”的矩阵R，其中状态是一行，行为是一列。类似地，矩阵Q也被构造为呈现机器人从经历中研习的知识。Q和R具有相同的顺序，行呈现状态，列呈现行为。机器人在开始时不了解外部环境特征，应将矩阵Q初始化为零矩阵，运用飞机导航算法的传输规律来形成矩阵。在演练Q增强性能时，机器人能够轻松找到目的情况的最快路径。我们没有修改每个阶段，而是从初始迭代的初始值实现修改和改善，因为我们能够经过网络相关演练减少总错误。归一化后，在数值归一化后，我们通过最小化体系产生错误并获取准确结果。
3 结语
飞机智能导航体系的运用对现代科学技术发展有重要意义。它须要经过新技术和新想法进行改进和创新。经过现代化的方式和实践经历，及时检查和办理设备常见问题。为确保工作质量，设备的运用更安全。
参考文献：
[1]王尔申，佟刚，庞涛.低空空域通用航空飞机机载引路监视终端设计[J].电讯技巧，2015（05）.
[2]张勇.非法广播惹祸端引路通信受干扰[J].中国无线电，2015（01）.
作者简介：邹文（1969-），男，汉族，重庆人，本科，助理工程师，研究方向：飞机导航和地面通信。