基于图神经网络GraphVAE的兵棋态势预测方法

在战场上敌我双方作战的过程中,准确地预测敌方的兵力部署将有利于我方的作战。基于兵棋推演的态势数据,通过训练图神经网络,提出了预测敌方未知算子位置的方法。首先,在对数据进行预处理后,实现了态势到图结构数据的转化,构造了兵棋态势的图结构数据集,用于图神经网络的训练。其次,根据兵棋态势及其数据的特点改造了GraphVAE模型,实现了兵棋态势图结构数据的补全。最后设计了基于补全后的图结构数据,计算敌方算子位置的方法。通过实验证实了该方法的有效性和可行性。     

美国的战争指挥中心——五角大楼

美参联会《2010联合作战设想》中首次提出了联合作战新概念“主导布势”。所谓“主导布势”就是力求全面控制作战空间。美军认为,作战空间不仅是指部队探测、跟踪、打击敌人的三维空间,还包括时间、速度和电磁频谱等因素在内的“全维空间”。控制作战空间就是要在空、地、海、天、电磁多维度上综合发挥美军信息、机动和作战能力的优势,形成全方位、全时空控制战场和直接威逼敌重心的主导态势,力求少战甚至不战而屈人之兵。这种“主导布势”显然比过去“夺取战场主动权”的观念有所扩展。美军控制作战空间的主要方法是：     

基于深度学习的战役初始态势认知方法

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。     

潜艇目标态势对航空磁探测的影响分析

航空磁探潜是通过磁探仪探测磁异信号,进行航空反潜的重要手段。通过仿真各种情况的磁异常信号,能够得到各种态势下的潜艇磁场分布,为后续磁检测提供数据支撑。提出将潜艇速度,地磁场环境纳入潜艇磁异信号模型中,并定量分析了其对磁异信号的影响模式。     

战场态势估计和威胁估计

描述了战场态势、态势估计和威胁估计的概念。对态势估计从态势要素提取、态势评估推理及态势预测三方面进行了分析,重点对态势评估中的功能领域如:目标合并、协同关系推理、战场主动权指数计算、作战能力评估、重要目标估计及敌战斗序列估计等的含义、内容和实现步骤进行详细阐述。对威胁估计的内容和主要功能也进行了描述。     

评布什政府的全面威慑战略

2002年1月9日公布的美国《核态势审议报告》要点表明,为了面对未来所有可能的对手,谋求美国在世界的绝对军事优势,美国制定了全面威慑战略,并将以此来规划未来军事力量结构。     

海军舰艇外交的战略运用

海军是唯一可以跨越国界、“以世界海洋为舞台”的国际军种。舰艇编队不仅是国家综合国力的体现和高科技、新武器系统的集合体,又是国家权力施于海洋上的象征和工具,是国家参与世界事务的决心和能力的标志。基于此,服从和服务于国家外交政策的海军舰艇外交,便成了国家外交的有机组成部分,在国际政治领域中占据着特殊地位,发挥着特殊功能。     

基于多源冲突数据聚类的态势估计方法

传统调和式态势估计方法在面对多源冲突数据时融合效果不佳。为此,提出一种基于冲突数据聚类的非调和式态势估计方法。首先利用迭代自组织数据聚类方法(ISODATA)对多源冲突数据进行聚类,然后利用频度和可信度对数据簇的重要性进行评估,最后得到态势估计结果。仿真结果表明,与传统态势估计方法相比,所提方法在融合多源冲突数据时能够得到可信度较高的态势估计结果。