美国DARPA网络信息技术最新发展及启示

网络信息技术领域作为世界各国研发投入密集、创新热度高涨、辐射效力强劲的发展领域,深刻影响了全球地缘政治与外交安全,更是国防与军事科技谋求竞争优势的战略高地。近年来,美国国防高级研究计划局对网络信息技术领域的资助和支持力度不断提升,在网络安全、战术信息分析、指控与通信、网络中心战、传感器等领域布局了一系列预研型项目群,综合运用来自智能网络、公开媒体和其他传感器、信号/图像处理器以及采集平台的海量数据,保护美国国防部、政府和民用信息基础设施和关键任务信息系统。通过增强算法建模防伪分析手段,优化作战指挥控制动态管理,突破新型数据平台传感方法,致力于加速自动化软件技术融合发展,提升下一代部队的装备性能、作战杀伤力和快速反应能力。     

基于多Agent协作的战场信息共享系统研究与实现

针对联合作战中分布、动态的战场环境和海量的战场信息,满足不同作战实体对战场信息资源共享的需求,构建了一个基于多智能体的、面向作战任务的信息资源共享模型,并提出了一种新颖的基于相似度的用户动态聚类方法。从用户的资源请求中发现用户兴趣和用户之间的相似度,通过交互机制有效地将相同兴趣的用户及资源智能体关联起来,提高作战主体获取战场信息的能力。实验证明该算法具有较高的效率和良好的可扩展性。     

基于多智能体技术的协同信息融合系统研究

为达到充分发掘信息组合潜能的目的,利用多智能体(multi-agent)技术构建了自协同信息融合系统。给出了自协同信息融合系统的体系结构,对该信息融合系统需要进行的协同内容进行了分析,总结了基于多智能体的协同信息融合的主要技术特点。该系统可以起到实现信息共享、统一协调传感器探测行为、提高信息融合系统综合效能的作用。     

基于Attention的AIS数据段相似性搜索模型

自动识别系统(Automatic Identification System, AIS)数据中蕴含着与船舶交通相关的时间序列信息。基于AIS数据段的相似性搜索也成为智能船运领域的研究热点。AIS数据属于多维时间序列数据,传统的多维数据序列相似性搜索方法通过将原始数据进行降维,并在降维后的数据空间进行时序数据的相似性搜索。然而,此种方法计算复杂度较高,会极大程度地降低相似性搜索的效率。深度学习模型产生的二进制编码改善了时间序列数据搜索性能。基于注意力(Attention)机制的AIS数据段相似性搜索模型对时间序列数据中的时序信息与参数变量间的潜在关系进行同时获取与学习。基于Attention机制的Seq2Seq的相似性搜索模型结合了时间序列数据与Seq2Seq模型的特点,使用Seq2Seq模型中GRU编码器产生的二进制编码进行AIS时间序列数据的相似性搜索。相应的实验结果也表明这种基于Attention机制的模型具有优异的AIS数据相似性搜索性能。     

基于知识图谱的指挥员关键信息需求生成方法

针对当前指挥员关键信息需求生成面临的挑战,通过深入分析知识图谱在指挥员关键信息需求生成中的赋能机理,提出了一种基于知识图谱的指挥员关键信息需求生成方法,可为指挥员关键信息需求生成和质量、效率优化提供技术参考。     

未来战场的数字化部队

本文论述了数字化信息、数字化部队的概念及其在未来战场上的作用,还介绍了数字化部队的武器装备、主要技术基础以及数字化部队的发展现状及前景。