公开(公告)号：CN110889207B

公开(公告)日：2023-08-22

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。

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。