基于深度Q网络的改进RRT路径规划算法

针对快速搜索随机树(rapidly-exploring random tree,RRT)路径规划算法存在的随机性大、搜索效率低等问题,结合强化学习可根据先验知识选择策略的特点,提出了一种基于深度Q网络(deep Q-network,DQN)的改进RRT优化算法.首先设计复数域变步长的避障策略,并建立RRT算法中随机树生...     

基于深度学习的交通袭击攻击方式智能识别

针对交通袭击事件特征自动学习提取、特征提取与模式识别融合问题,提出基于深度学习的交通袭击攻击方式智能识别方法;利用加噪自动编码深度神经网络从高维度、多样化的交通袭击事件统计大数据中自动学习提取出各类攻击方式特征,并利用微调将特征学习与模式识别融为一体,最终实现交通袭击攻击方式的智能识别;采用全球恐怖主义数据库的数据对该...     

虚拟环境下端对端深度学习的自动驾驶方法

针对现实环境中对自动驾驶车辆进行道路试验面临着试验成本高、极端工况难以模拟等诸多问题,依托虚拟现实的自动驾驶车辆行驶仿真试验平台,利用深度强化学习的思想,构建了从感知到动作映射的端对端学习神经网络算法,建立了虚拟环境下长距离自治的自动驾驶模型,通过人工驾驶进行了数据采集,利用采集到的数据对自动驾驶算法训练,并在虚拟环境...     

基于深度学习的三维目标识别技术现状

以图像目标识别、三维目标识别和深度学习的基本概念为切入点,论述了深度学习在目标识别和三维识别中的研究现状,分析了现阶段基于深度学习的三维识别方法所存在的不足和研究方向,进一步探讨了三维目标识别技术的应用前景.通过对相关技术和文献的调研和分析,对多种基于深度学习的目标识别优化结构及优化算法的优缺点进行了总结,说明了三维目...     

基于深度学习及FPGA的装备目标检测研究

本文应用深度学习技术实现海天背景下基于可见光、红外方式成像的舰船及角反、烟幕干扰的目标检测,这也是反舰导弹作战使用的关键技术之一.采集的可见光与红外成像目标检测数据集涵盖实施典型干扰下的态势场景,贴近实战;结合四种不同的目标检测机制,选取YOLOV3、Faster R-CNN、SSD及CenterNet四种典型模型分别...     

无人机蜂群通信感知一体化关键技术

无人机蜂群机动性强、易于调度、部署灵活,是未来战场态势互联互通、快速精确打击的重要手段。多无人机“通信感知一体化”将无人机通信和感知两个功能互融在一起,在无线信道传输信息的同时,主动认知并分析信道的特性,感知周围环境的物理特征,使得通信与感知功能相互得到增强。与此同时,深度强化学习将深度学习的感知能力和特征提取能力与传统强化学习的决策能力进行有机结合,解决了智能体决策博弈类的现实问题。将通信感知一体化和深度强化学习应用于多无人机态势感知、信息传递、任务规划、资源调度等,能够为多无人机蜂群系统的发展和实践应用奠定基础。     

【专题】基于深度学习及FPGA的装备目标检测研究

本文应用深度学习技术实现海天背景下基于可见光、红外方式成像的舰船及角反、烟幕干扰的目标检测,这也是反舰导弹作战使用的关键技术之一。采集的可见光与红外成像目标检测数据集涵盖实施典型干扰下的态势场景,贴近实战;结合四种不同的目标检测机制,选取YOLOV3、Faster R-CNN、SSD及CenterNet四种典型模型分别进行训练与验证,通过对比分析进一步提高弱小目标、复杂干扰态势的的检测,可以实现端到端的高精度装备目标检测模型。在确保精度的前提下基于现场可编程门阵列（FPGA）进行软硬件协同设计,通过对比分析选定基于Vitis AI的实施方案,经过模型的量化、编译与优化,可在保证检测效率的前提下快速实现模型的小型化部署,便于进行装备移植。研究结果表明,该研究内容可有效提高现役反舰导弹目标检测的准确率。     

基于深度学习的自组织态势感知与决策系统

针对巡飞弹武器平台,如何提高态势感知的精准性和实时性以及作战任务自主决策的准确性,已成为当前的一个研究热点.结合以深度学习技术为代表的人工智能最新研究成果,提出基于深度学习的目标识别模型、任务自主决策模型和任务规划模型,并将模型应用于巡飞弹武器平台,提升巡飞弹武器平台协同作战任务的自主决策和智能规划能力.     

中国力量逐梦五洋

6月10日,搭载于母船"向阳红09"的"蛟龙"号载人深潜器驶向南海及北太平洋,开启首个应用之旅。本航次计划用时103天,分三个航段进行,分别为在南海进行长基线定位系统的功能试验,在东北太平洋和西太平洋有关区域分别进行考察试验。"蛟龙"号载人潜水器是国家863计划重大专项,是我国首次自行设计、自主集成并独立完成海上试验的大深度载人潜水装备,于今年4月通过了科技部专家组的验收。在世界上同类作业型载人潜水器中,它