基于BP神经网络的水面舰艇CGF反潜指挥决策模型

为使水面舰艇CGF战斗实体具有自主性、智能性等特点,满足现代作战模拟需求,建立了水面舰艇CGF反潜指挥决策模型。本文对水面舰艇CGF指挥决策整体框架进行了研究,并通过对水面舰艇对潜作战战术规则库学习训练,建立了基于BP神经网络的水面舰艇CGF反潜指挥决策模型。通过仿真,验证了水面舰艇CGF反潜模型在不同态势下指挥决策模型的正确性和有效性,从而为水面舰艇CGF建模提供参考。     

基于深度学习多网络融合的网联车辆驾驶行为预测

智能网联车在复杂道路场景中安全行驶需要对周围车辆驾驶意图和行驶轨迹的准确预测。将双向长短期记忆网络(Bi-directional Long Short-Term Memory)、卷积生成对抗网络(Deep Convolutional Generative Adversarial)和注意力机制(Attention Mechanism)相融合,提出一种基于BLSTM-DCG-ATT的网联车辆驾驶意图和行为预测模型。通过正反双向LSTM链路和注意力机制得到具有双重特征的数据,通过卷积生成对抗网络对特征数据进行卷积处理,迭代生成网联车辆及周围车辆的未来时刻变道意图和行驶信息。仿真结果表明：该模型能够在复杂路网、交通流密集的情况下,对网联车辆及其周围车辆的变道意图和行驶轨迹进行准确预测,预测精度达94%。     

一种船舶历史活动热力图实时生成策略

在船舶信息大数据系统中,针对在客户端向服务器请求大批量历史数据并实时绘制热力图时,会出现耗时较长、热力图效果失真以及地图软件漫游时跟随性差或卡顿等问题,提出一种改进的船舶历史活动热力图实时生成策略。该策略在基于像素聚类思想的热力图生成方法基础上,采用基于非线性变换的图像增强算法和像素补点方法,对传统方法绘制的热力图所存在的显示失真问题进行校正和优化,并在此基础上,提出动态加载与绘制策略和多线程实时成图策略,来生成船舶历史活动的热力图。试验表明,所提出策略在热力图绘制的效率、成图效果以及地图软件的交互体验上都得到了提升。     

基于生成对抗网络的多智能体对抗仿真建模方法

多智能体对抗仿真建模技术在军事上具有重要作用,其中强化学习深度增强网络(DQN)是重要的建模技术.随着体系对抗建模中环境输入信息及智能体数量的增加,DQN的复杂性不断增长,而单纯采用强化学习技术只能通过极度稀疏的对抗胜负结果提供反馈进行训练,模型训练的收敛速度是一个难题.探讨在多智能体对抗建模中采用基于生成对抗网络(G...     

对信息化人才队伍建设的调查与思考

信息化人才队伍建设是一项战略工程。新形势下信息人才培养,要更新观念,拓展途径,完善机制,为加快推进战斗力生成模式转变提供人才支撑和智力支持。     

新体制下武警部队后勤建设应着力完善“三个体系”

在武警部队指挥体制和保障体制大调整大变革的背景下,立足当前武警部队后勤建设实际,为更好的贯彻落实习主席提出的后勤"三大建设任务"和"聚焦保障打赢,加快转型重塑,努力建设强大的现代化后勤"的指示要求,应着力完善后勤法规体系、后勤信息网络体系和后勤联合保障体系。     

智能化陆军建设

智能化陆军建设面临军事理论、作战运用及智能技术等多方面挑战。从指挥信息系统发展规律来看,由信息优势到决策优势的转变正在发生。必须深刻理解人工智能技术的本质,把握智能化建设的核心要义。研究认为,陆军智能化建设的重点包括智能化指控理论、知识体系构建等2个基础及智能指挥控制、无人集群作战、智能模拟训练3个核心。     

基于改进QGA的有/无人机编队多任务联盟生成

针对有/无人机编队作战中多约束复杂任务分配问题,提出一种改进QGA(Quantum Genetic Algorithm,QGA)的多任务联盟求解方法。首先确定任务需求、时间、平台能力等多种约束,综合考虑联盟总任务收益、耗费成本与任务时间因素,构造目标函数,建立了多任务联盟生成优化问题模型;从多分组并行演化、观测值修正、动态旋转角调整3方面对QGA算法进行改进用于问题求解;并结合实际案例进行了仿真分析,结果表明,提出的方法可以有效生成多任务联盟,解决有/无人机编队多约束复杂任务分配问题,解质量较高。     

信任·欣赏·发展

习主席在中央军委基层建设会议上强调,"要用信任的眼光、欣赏的眼光、发展的眼光看待基层官兵,探索构建新时代思想政治教育体系,提高教育针对性和实效性"。这不仅对加强新时代思想政治教育提出了明确要求,也为新时代做好思想政治教育提供了科学方法和行动指南。在"信任""欣赏""发展"三个主题词之间,存在横向结构性、纵向生成性的层次关系。     

“互联网+”在后勤保障模式创新中的应用

本文围绕"互联网+"理念在后勤保障模式创新中建立的优势,提出了物联网、大数据、云计算应用于物流仓储、需求分析、保障计划的构想,将在实现实时感知、破除需求迷雾、促进智能决策等方面发挥重要作用。