基于置信度神经网络的机载武器攻击区拟合算法

针对传统神经网络算法无法有效利用少量实际飞行数据的问题,提出基于置信度神经网络的机载武器攻击区拟合算法。为有效区分、利用不同置信度样本,算法通过计算样本误差容量区间并设置样本敏感系数,修改用于权值调整的网络预测误差,得到更准确的拟合网络。仿真结果表明,置信度神经网络算法相比传统神经网络算法,具有更高的估计精度,增加了拟合攻击区的成功发射概率。