2023年深度学习技术主要发展动向分析

深度学习已成为人工智能领域的研究热点和主流发展方向之一,为诸多重要应用领域带来了革命性的进步。对2023年深度学习技术热门领域的主要发展动向进行了综合评述。首先介绍了深度学习技术发展现状,其次探讨了深度学习技术的军事应用任务和挑战,最后盘点了深度学习技术的未来重点发展方向。综述表明,大语言模型是深度学习领域在2023年最突出的亮点,世界模型框架下的自监督学习技术、强化学习框架下的人工智能智能体技术等也呈现加速发展态势;环境恶劣与强干扰复杂条件下的高鲁棒性深度学习、面向实时流数据高效处理与内在逻辑关联的深度学习、面向多变作战场景自主决策与快速决策的深度学习、面向跨域数据协同感知与协同推理的深度学习等,是深度学习技术未来重要的发展方向。     

2022年深度学习技术主要发展动向分析

深度学习正逐渐成为新一代人工智能最核心的技术之一。对2022年深度学习热门领域的主要发展动向进行了综合评述。首先,介绍小数据小样本深度学习研究领域的最新进展;其次,探讨量子计算与深度学习的融合路径;然后,概述强化学习对通用智能的推动作用;最后,盘点深度学习在多模态学习方向的进展。综述表明,面向小数据、小样本的深度学习技术正在引领深度学习向自监督方向不断迈进,深度学习与其他先进计算范式（例如量子计算等）深入融合趋势愈发明显,强化学习在一定程度上具备解决复杂问题的通用智能,多模态深度学习技术已迎来关键性突破。     

基于深度学习的军事辅助决策研究

信息化战争对作战指挥的时效性、精确性都提出了更高要求,也为军事辅助决策研究发展指明了新方向。随着AlphaGo的出现,深度学习技术在多个领域均取得了显著成果,也给军事领域特别是军事辅助决策领域带来了深刻影响。通过综合分析总结当前军事辅助决策领域的研究现状,结合深度学习的原理和特点,从情报信息融合、样本自动生成、训练模型泛化、自然语言理解等方面,提出基于深度学习的军事辅助决策智能化建设发展的新思路。     

联合战役兵棋AI体系框架设计及关键技术分析

深度强化学习在游戏智能决策领域取得了令人瞩目的突破。多智能体深度强化学习、分层深度强化学习等领域的研究工作正将深度强化学习研究引向深入。由于联合战役兵棋博弈复杂的问题构成难以仅依靠深度强化学习方法解决,因而需要将人的知识经验有机融入强化学习过程中。对深度强化学习算法进行综合分析,并系统总结梳理联合战役兵棋AI的军事运用需求,在此基础上设计联合战役兵棋AI的体系框架并就框架中的相关技术进行探讨。     

基于深度学习的网络安全预见路径研究

当前,我国正处在由网络大国向网络强国转变的关键时期,网络安全威胁不容小觑。以深度学习为代表的人工智能技术在网络安全领域的应用价值日益凸显,着眼基于深度学习的网络安全预见路径和价值趋向研究,能够从方法论层面有效提高抵御网络安全威胁的主动性和针对性,实现由"被动防御"向"主动预见"的网络安全战略升级转型。文章探讨相关概念内涵,提出"数据预判—技术预测—战略预见"的网络安全预见逻辑路径,并对深度学习技术在网络安全预见领域的应用前景进行探讨,从技术的融合渗透、开源共享、要素协同治理等方面阐释了网络安全预见的价值趋向,通过理论分析论证深度学习技术对提升网络安全预见力的重要作用。     

基于深度学习的战场态势评估综述与研究展望

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.     

航拍图像去云方法研究综述

云区的存在严重影响了航拍图像的后期解译工作,如何高质量地去除云区干扰是当前航拍图像研究的重要内容之一。随着深度学习等技术的成熟和专用数据集的出现,航拍图像去云任务引起了研究者的广泛关注,也取得了阶段性成果。首先,介绍了几种常用数据集,结合数量、分辨率大小、获取媒介及特点进行了对比分析,同时给出了下载链接;然后,依据去云模型是否使用深度学习方法将去云方法分为基于经典理论的去云方法和基于深度学习的去云方法,突出阐述了基于深度学习的方法,并按照互补数据来源、应用场景、使用数据集、自身特点对各方法进行对比分析,重点对相关模型进行了说明,之后,介绍了常用的几种评价指标。最后,对现有方法中存在的问题进行讨论分析,并对未来的发展方向进行了展望。     

神经网络架构搜索研究进展与展望

神经网络架构搜索旨在针对不同任务,自动化地搜索得到性能最优的神经网络结构,是深度学习、计算机视觉技术结合当前现实需求应运而生的一大重要科学问题。对近年来神经网络架构搜索研究进行梳理、归类和评述;阐述神经网络架构搜索的定义和意义,全方位剖析当前研究所面临的难点与挑战;以此为基础,对主流的搜索策略进行阐述和归纳;探讨研究潜在的问题及未来颇具潜力的研究方向,以期推动该领域的进一步发展。     

深度视觉语音生成研究进展与展望

为了进一步推进深度学习技术驱动的视觉语音生成相关科学问题的研究进展,阐述了视觉语音生成的研究意义与基本定义,并深入剖析了该领域面临的难点与挑战;在此基础上,介绍了目前视觉语音生成研究的现状与发展水平,基于生成框架的区别对近期主流方法进行了梳理、归类和评述;最后探讨视觉语音生成研究潜在的问题和可能的研究方向。     

无人装备智能视觉技术与发展

无人装备与智能视觉技术的有机结合,能够极大拓展军事情报来源和分析手段,有效提升无人装备的战场信息获取与分析能力。本文对无人装备发展情况进行论述,从基于深度学习的图像感知和图像认知两个方面对智能视觉技术进行分析,在此基础上提出无人装备智能视觉技术未来发展策略和建议。     

航天器轨道追逃动力学与控制问题研究综述

随着航天器交会与接近操作技术的快速发展,轨道追逃问题逐渐成为航天领域的研究热点。从动力学与控制视角,对航天器轨道追逃问题的研究现状进行综述。给出了基于定量微分对策的轨道追逃问题模型的一般形式,系统梳理了各种类型的轨道追逃问题;对于追逃策略求解,分别针对闭环策略和开环策略,分析了各种方法的优缺点;围绕人工智能算法与轨道追逃问题的结合,阐述了基于深度神经网络和强化学习的轨道追逃策略的研究现状。关于未来展望,提出了追逃博弈态势分析、多航天器博弈控制、三体条件下博弈动力学与控制等发展方向。     

基于卷积神经网络的SAR图像目标检测综述

针对合成孔径雷达(SAR)图像传统检测算法精度低、鲁棒性差等特点,对基于卷积神经网络的SAR图像目标检测算法进行归纳总结.归纳了基于CNN的目标检测框架的发展现状,并综述了其在SAR图像目标检测中的应用,分析了其应用难点与关键技术.最后结合深度学习方法在目标检测领域中的发展,对SAR图像目标检测算法的发展进行了展望.     

多无人机协作侦察中的车辆再识别

在多无人机协作侦察中,匹配识别不同无人机侦察发现的装甲车辆,属于车辆再识别任务。近年来,车辆再识别技术在智能交通领域得到了快速发展,但是该技术尚未在军事领域得到充分的关注和应用。本文围绕该技术的发展和军事应用展开研究,一方面,从数据集、特征表示、注意力学习、度量学习、属性学习等方面对民用车辆再识别技术进展进行综述,分析总结了现有技术的优点和劣势,提出了有待深入探索的研究方向;另一方面,以多无人机协作侦察任务为背景,探讨分析了车辆再识别在其中的作战运用方式,并针对战场上存在的计算资源有限、环境复杂多变等因素导致车辆再识别性能下降问题,提出了可能的解决思路。本文研究可为车辆再识别技术在多无人机协作侦察中的应用提供前瞻性参考。     

人工智能赋能军事训练

随着大数据、物联网和5G的不断发展,海量数据的获取变得越来越容易,人工智能技术利用GPU的强大计算能力和深度学习网络对高维数据和非线性模型的拟合能力,迎来了飞跃式发展,深刻改变着人类生产、生活和学习方式,出现了语音识别、机器翻译、无人驾驶及智能机器人等场景,计算、数据与模型的不断发展也成为推动人工智能前进的主要动力。本文分析了人工智能技术的主要发展方向,包括自然语言处理、语音识别和图像识别分析等,结合当前人工智能的主要技术方向和典型应用,展望了人工智能在军事训练领域的广阔应用前景,同时,聚焦发展智能化军事训练亟需解决的关键问题,针对解决网络、数据、模型等面临的问题提出措施建议,指出应通过模拟仿真训练提高训练效率,基于训练数据科学评价训练效果。     

海战仿真中的智能对抗行为建模方法研究

在海上模拟训练领域,战场仿真中兵力行为的逼真性、对抗性直接影响训练效果,兵力行为建模技术是海战仿真中的核心,随着深度强化学习在军用领域研究的逐步深入,采用规则推理与强化学习相结合的思路实现海上兵力行为建模是一条较为可行的技术途径,为构建模拟训练中智能对手提供了技术支撑.     

健全法规体系推进军民融合

<正>党的十八届四中全会决定,要全面推进依法治国。10月25日,国家国防科工局党组召开扩大会,许达哲局长强调,要深入学习领会十八届四中全会和习近平总书记讲话精神,着力推动涉及国防工业领域的重大项目尽早出台,为全面深化国防科技工业改革、推进军民深度融合,统筹军工发展提供法制保障。10月27日,又召开党组中心组理论学习扩大会,研究推动军民融合深度发展。国防科技工业是军民融合最重要的领域。推动军民融合深度发展,是贯彻落实党的十八大和十八届三中、     

基于HRRP的雷达目标识别研究综述

雷达目标识别(RTR)技术在国土防空和战略预警领域具有重要意义,目前相关研究大多基于高分辨距离像(HRRP)展开。梳理了当前研究主要聚焦于样本完备和小样本情况下目标识别的问题,研究方法主要聚焦于基于特征提取的识别方法、基于统计建模的识别方法以及基于深度学习的识别方法等3个方面。聚焦2大问题,从3个方面开展综述,进行归纳总结;指出在当前研究领域存在的5个亟待解决的问题,分析了下一步研究可以考虑的方向。     

新时代背景下航天领域军民融合发展的困境与出路

军民融合发展是党中央的一项重大战略决策,航天领域军民融合发展,是实现军民融合深度发展、建设航天强国的重要途径。本文分析了新时代背景下航天领域军民融合发展的必要性和困境,提出了新时代背景下航天领域军民融合发展的出路。旨在形成全要素、多领域、高效益的军民融合深度发展格局。     

人工智能将广泛地应用于国防领域

<正>随着"阿尔法狗"掀起的热浪席卷民间、业界和军事领域,人工智能成为兵家必争的高地。"阿尔法狗"只代表了人工智能在基于神经网络的机器深度学习、高性能计算和大数据技术等领域的最新成就,仍然属弱人工智能。未来强人工智能的运用如果如同5年前大数据的进入一样,将会给人类社会带来巨大的改变,特别是在竞争与博弈更为激烈的国防领域。     

基于科学计量的机器学习技术发展评估分析

机器学习是通过数据训练使机器获取新的知识和技能的计算机技术,是人工智能技术的核心和前沿领域之一。本文以Web of Science?核心合集收录的机器学习领域相关SCI论文和incoPat全球专利数据库收录的机器学习领域相关专利为数据源,运用科学计量方法对文献数据和专利数据进行时间、地域和机构分布分析,展示了机器学习领域研究实力的分布情况,并对机器学习的发展趋势进行了分析;然后利用主题聚类分析方法及可视化软件VOSviewer,挖掘出机器学习领域的关键技术、技术热点;最后对结果进行了总结分析,以期为我国机器学习发展布局提供参考和借鉴。