排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
2.
3.
适用于大数据复杂系统的人工智能研究水平,已成为制约战场态势评估技术发展的瓶颈问题.2006年提出的人工智能新研究领域——深度学习,具备多层感知的深度网络模型,体现出非线性表达、多层学习、自主提取等优势,为研究大数据战场态势评估问题提供了技术支持.美军将机器学习作为重点发展的基础研究和应用开发领域,自2007年以来启动多个项目;我军应用与研究领域中,深度学习也得到重视并取得一些有益探索.展望未来,可从空间、时间角度研究大数据战场态势特征,并基于此构建基于深度学习的战场态势评估模型. 相似文献
4.
5.
6.
战役初始态势不仅影响着整个战役进程,而且对战役筹划的影响也极为显著。以深度学习为代表的人工智能技术突飞猛进,为我们利用人工智能技术实现自动识别复杂的战役初始态势、模拟战役指挥员的经验知识带来了契机,作者就此问题进行初步探索性研究。对战役初始态势的概念及其类型进行了介绍,探讨了基于深度学习的战役初始态势认知模型构建,对模型构建步骤、输入和输出的设计进行了探讨,对卷积神经网络的基本思想、结构、训练进行了介绍,在示例中介绍了样本数据的录入程序、卷积神经网络的具体结构与应用程序,验证了方法的可行性与有效性。所提出的战役初始态势认知方法可以在一定程度上获得指挥员对战役初始态势的经验知识。 相似文献
7.
8.
在军事领域研究中,反潜巡逻机绩效评估问题是个关键性的军事和技术问题,需要重点研究解决。传统的方法通常计算复杂或主要依赖于人的因素,不利于解决绩效评估问题。因此,如何寻求相对便捷的、简单的,且尽可能客观的评估方法,是有待研究的重要问题。针对这个问题展开了一定的研究,在论述分析了扇形航路雷达探测式反潜巡逻机工作特点的基础上,通过建立合理的数学模型,提出了一种面向反潜巡逻机绩效评估的新方法。该方法通过对机载雷达探测工作方式下的扇形搜索区域面积和持续巡逻时间进行概略评估,达到了简单、便捷的效果,可客观、合理、高效地实现一定的反潜巡逻机绩效评估。实验案例验证了所提方法的有效性。 相似文献
9.
10.
当今军事领域问题的研究已步入了信息化主导的大数据时代,传统的智能辅助指挥员完成战场态势理解已遇到了瓶颈,亟需探索突破。认知智能中深度学习的提出可为该问题的突破提供契机。通常,指挥员进行战场态势理解是分层次的。其中的高级理解则需要深度学习来模拟。就此,展开了探索性研究。概述了战场态势评估的相关概念,分析了指挥员理解战场态势的思维模式,掌握了指挥员理解战场态势时的主要步骤,并结合深度学习运行原理,提出了一种基于深度学习的指挥员战场态势高级理解思维过程(以判断敌方对我方可能的主攻方向为例)模拟方法,该方法利用认知智能中的深度学习(以CNN为例)对指挥员战场态势高级理解过程进行非线性拟合处理,从而达到探索性模拟的目的,仿真实验结果验证了该方法的有效性。 相似文献