面向作战体系的生成式对抗网络应用研究

生成式对抗网络GAN作为一种生成式模型,受博弈论中二人"零和"博弈的启发,通过对抗学习的方式来训练,可以达到估计数据样本的潜在分布、生成新的数据样本的目的。从GAN的基本原理和实现模型入手,综述了其衍生模型和研究进展,对其在作战体系研究领域的应用进行了分析展望。     

炮兵战场目标态势分析研究

提出了炮兵战场目标态势的概念,分析了炮兵战场目标态势分析在炮兵战场目标情报处理过程中的位置,研究了炮兵战场目标态势分析的基本结构、主要内容及表示方式,构建了炮兵战场目标态势分析的理论框架。     

海洋水下战场态势仿真系统的设计与实现?

在作战仿真领域,由于水下战场环境的特殊性以及水下作战对抗的复杂性,构建具有水下战场实景态势展现以及水下作战对抗演示分析等功能的仿真系统始终是一个难点问题。基于现代海战条件下水下对抗的应用背景,设计实现了海洋水下战场态势仿真系统,给出系统的功能结构、功能流程以及数据处理流程和方案,并对系统的开发部署进行了具体实现,应用情况表明系统能够实现对水下战场实景态势的高精度仿真,可作为海洋水下战场实景态势的演示分析研究平台和水下作战对抗的论证评估工具。     

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：     

分布式交互仿真中的信息交互协议

本文在分析分布式联合作战模拟系统信息交互协议发送原则的基础上,设计了协议数据单元的格式,然后对实体状态PDU进行改进,设计更加高效的变长实体状态PDU和分组实体状态PDU,最后,针对不同分辨率模型间交互的需要,设计出聚合级交互协议。     

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。     

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。