BP神经网络的Ad Hoc网络通信能力评估

2.2 样本的录用和训练

(1) 选取训练样本

利用BP算法进行网络训练，样本的选取很重要，它直接关系到网络通信能力的可信度问题。为了使评估的结果符合实际，以真正反映网络的通信能力。因此本文以Ad Hoc网络现有装备的性能指标数据为神经网络输入值，并通过专家打分的方法，给出相应评定值，将其作为输出值。

(2) 归一化训练样本

在BP网络训练之前，首先应对原始样本做归一化处理，本文采用线性变换的方法将原始训练样本转换为可行的训练样本(各指标在[0，1]间取值)，分2种情况：

当指标值越大作战效能越好时(如分组交付率)，按式(2)进行归一化。

Y=(X-min)／(max-min)。 (2)

当指标值越小作战效能越好时(如响应时间)，按式(3)进行归一化。

Y=(max-X)／(max-min)。 (3)

式中，X是原始训练样本值，max(或min)是对同一指标而言目前反辐射导弹武器系统可能出现的最大值(或最小值)。

若7个指标值(C1～C7)归一化后的取值都在[0.8，1]上，则网络的通信能力为优；若取值都在[0.6，0.8]上，则网络的通信能力为良；若取值都为[0.4，0.6]，则网络的通信能力为中等；若在0.4以下，则网络的通信能力为差。

(3) 定义网络误差

在训练的过程中，必须度量网络收敛到期望值的程度即为网络误差。对于给定的训练集合来说，期望值是已知的。本文选取式(4)作为度量函数，当Ep<0.000 1时，神经网络满足精度要求。此时神经网络具备了识别能力。

作者：王峰　何俊　齐锋   来源：泰尔网