基于超网络的作战体系演化模型构建方法

作战体系建模是体系对抗分析和体系能力水平度量的基础,分析了作战体系的网络特性,引入与作战体系网络具有天然契合性的超网络理论,提出基于时序的作战体系超网络描述方法,根据作战体系网络特性提出局域空间点超度择优演化机制;提出基于网络连通率的体系抗毁性指标,并结合复杂网络理论分析超网络节点距离的计算方法,提出基于网络距离的体系时延效率指标.最后,引入一则空战体系网络示例,将所提出演化机制与随机演化机制进行对比分析,仿真结果验证了演化机制的有效性和合理性,对装备体系演化建模与动态优化具有重要指导意义.     

基于循环条件生成对抗网络的数据生成方法

针对军事领域数据采集困难以及数据生成人工依赖性强、成本高、效率低等问题,在生成对抗网络(GAN)框架的基础上,构建长短期循环神经网络(LSTM-RNN)代替生成对抗网络中的生成器和鉴别器,以最大平均差异和最大似然估计作为指标构建数据生成评估模型,提出一种可生成数据序列的循环条件生成对抗网络(RC-GAN).该方法完全依靠数据驱动,无需经过精心设计的建模过程,便可生成与真实数据相一致的数据.通过基于实际数据的仿真实验,验证了该方法在数据相似度、估计误差、抗干扰性以及泛化性方面的优势.     

基于深度卷积神经网络的多飞行器构型保持研究

基于深度卷积神经网络设计了"智能-校正"算法以快速生成制导指令;深度学习模型是由卷积层、全连接层、批量归一化层和残差网络(ResNet)组合成的一个19层深度神经网络,飞行器状态变量转化为类似于图像像素矩阵的二维矩阵,通过sgd优化和权重衰减正则项将神经网络的训练误差降低至约0.025°;之后针对飞行器运动存在制导指令...     

基于神经网络的飞行员头位跟踪方法研究

针对飞行员座舱模拟训练中,传统的头位检测跟踪技术存在的头位检测精度不高、实时性不强、易受外界干扰等问题,结合深度学习方法,提出了一种基于级联卷积神经网络的头位检测跟踪方法.首先结合计算机视觉手段,对拍摄到的飞行员座舱内连续视频图像进行预处理,然后经过三层级联卷积神经网络对处理过的图像进行特征提取,检测人脸,同时完成脸部...     

军事领域细粒度识别技术与应用

战争的信息化程度不断加深对军事侦察提出了更高要求.军事目标识别作为军事侦察的主要任务之一,需要能够处理细粒度军事目标,为人员提供更加详细的目标信息.但传统的粗粒度目标识别方法无法得到目标的细粒度信息.因此,如何识别细粒度目标成为目前军事侦察亟需解决的问题.针对该问题,本文结合军事领域的实际需求,对细粒度识别技术的发展现...