公开(公告)号：CN107766668B

公开(公告)日：2020-05-15

申请号：CN201711038908.1

申请日：2017-10-31

Applicant: 哈尔滨工业大学

Inventor： 周玉臣 ,  马萍 ,  方可 ,  杨明 ,  赵开斌

IPC: G06F30/20 ,  G06F30/15 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 一种基于神经网络的复杂仿真模型验证方法，本发明涉及复杂仿真模型验证方法。本发明的目的是为了解决现有传统验证方法对于大数据集的处理效率低，复杂仿真模型的验证指标众多，数据量大以及分析评估人员的工作量大的问题。一：建立数据样本集；二：获得客观相似性分析结果；三：获得基于规则与知识的相似性评估等级；四：构成训练样本集；五：训练样本集归一化处理；六：对BP神经网络进行训练，得到训练好的BP神经网络；七：对有类标签的测试样本子集进行测试，若测试结果无法达到要求，则重新对BP神经网络的拓扑结构进行设计，重新执行六，直到测试结果准确率达到分析准确率的要求为止。本发明用于计算机仿真模型验证与可信度评估领域。

公开(公告)号：CN107766668A

公开(公告)日：2018-03-06

申请号：CN201711038908.1

申请日：2017-10-31

Applicant: 哈尔滨工业大学

Inventor： 周玉臣 ,  马萍 ,  方可 ,  杨明 ,  赵开斌

IPC: G06F17/50 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 一种基于神经网络的复杂仿真模型验证方法，本发明涉及复杂仿真模型验证方法。本发明的目的是为了解决现有传统验证方法对于大数据集的处理效率低，复杂仿真模型的验证指标众多，数据量大以及分析评估人员的工作量大的问题。一：建立数据样本集；二：获得客观相似性分析结果；三：获得基于规则与知识的相似性评估等级；四：构成训练样本集；五：训练样本集归一化处理；六：对BP神经网络进行训练，得到训练好的BP神经网络；七：对有类标签的测试样本子集进行测试，若测试结果无法达到要求，则重新对BP神经网络的拓扑结构进行设计，重新执行六，直到测试结果准确率达到分析准确率的要求为止。本发明用于计算机仿真模型验证与可信度评估领域。