基于卷积神经网络的中段拦截弹弹道规划

为解决中段反导拦截弹实时规划问题,将经典Lambert理论与卷积神经网络(CNN)相结合,提出一种高效的拦截点解算方法。基于Lambert理论构建二体假设条件下椭圆轨道的中段反导拦截弹弹道规划模型。利用卷积神经网络求解模型,可在满足精度要求的同时极大提升解算效率。利用Matlab仿真软件验证了此方法的合理性。此方法可以推广至其他作战规划问题,以满足作战选择的多样性需求。     

脑与认知技术发展综述

脑与认知是利用神经形态计算来模拟生物大脑处理信息的过程,被认为是探究甚至实现人工智能的最直接技术路线,而且可以为人工神经网络研究提供基础导向,因为人类和动物"先天"的结构对其技能和习性有着决定性作用。对近期脑与认知的相关研究与成果进行了综合评述,并对未来发展趋势进行了展望。综述表明,类脑仿生研究与应用改进了人工智能系统,重建复杂的大脑皮层神经网与回路是当前研究重点;脉冲神经网络被认为是目前深度神经网络的"继承者";脑机接口技术发展呈现非侵入式趋势,面向语言障碍病患实现语音合成的脑机接口技术成为近期新兴研究方向。     

基于强化学习的无人机自主机动决策方法

提出了一种基于连续动作集强化学习的无人机机动决策方法。通过Actor-Critic强化学习构架下的NRBF神经网络输出状态真实效用值与连续动作控制变量,效用值与动作控制变量的输出层共用隐层以简化网络结构。结合相对熵理论设计隐层节点的自适应调整方法,有效减少了隐层节点数目。对输出动作控制变量,采用基于高斯分布的连续动作选择策略,并依据训练次数调整随机动作控制变量的概率分布,提升了网络对未知策略的探索能力。在3种不同空战态势下的仿真验证了该方法的有效性,结果表明该方法生成的策略鲁棒性较强,动作控制量更加精确。     

基于灰色理论与模糊神经网络的导弹性能预测

准确掌握导弹的性能质量状态是保证完成作战任务的前提条件。目前,在实弹发射演练中,为确保发射成功,通常采用先测试合格后发射的方法,难以满足未来战场上大规模、大批量、即用即射的作战要求。为满足未来作战需求,立足于以往对导弹性能参数的测试数据和日常的管理、贮存信息,结合实弹发射结果信息,运用灰色理论、模糊综合评价、模糊神经网络的方法,准确预测导弹性能质量状态,为部队管理决策提供技术支撑,为导弹部队战略决胜提供重要保证。     

基于PLS特征提取的WNN装备保障性评估

为科学合理地评估装备的保障性水平,更好地发挥装备的作战使用效能,提出了一种基于偏最小二乘(PLS)的小波神经网络(WNN)装备保障性评估方法。该方法在系统分析基础上,构建了装备保障性评估指标体系;利用PLS提取诸多指标数据的主元特征;并利用获取的主元特征构建WNN模型,进而完成装备保障性评估。仿真结果表明,所提出方法的平均相对误差可达到0.009 6,比单一WNN模型评估效果有了改善,从而验证了它的可行性和有效性。     

基于BP神经网络的火控雷达抗干扰效能评估

建立了火控雷达抗干扰效能评估体系,给出了评估体系中各个因子的计算方法,克服了输入值与评价结果之间非线性关系复杂的难题。探讨了应用人工神经网络解决火控雷达抗干扰效能评估问题,并且给出了神经网络的评价模型及算法。实例证明该方法是可行的,模型用于火控雷达抗干扰效能评估可较好地克服人为因素的影响,使评估结果更为合理可信。