基于深度学习的军事辅助决策研究

发布时间：2021-10-16 05:54

　　信息化战争对作战指挥的时效性、精确性都提出了更高要求,也为军事辅助决策研究发展指明了新方向。随着AlphaGo的出现,深度学习技术在多个领域均取得了显著成果,也给军事领域特别是军事辅助决策领域带来了深刻影响。通过综合分析总结当前军事辅助决策领域的研究现状,结合深度学习的原理和特点,从情报信息融合、样本自动生成、训练模型泛化、自然语言理解等方面,提出基于深度学习的军事辅助决策智能化建设发展的新思路。 

【文章来源】：火力与指挥控制. 2020,45(03)北大核心CSCD

【文章页数】：6 页

【部分图文】：

浅层网络和深度网络2006年，Hinton［32］等人提出了深度置信网络，

【参考文献】：
期刊论文
[1]基于模糊分类的战术目标情报处理方法研究[J]. 孙宝琛,严晓滨.  指挥控制与仿真. 2019(03)
[2]从态势认知走向态势智能认知[J]. 朱丰,胡晓峰,吴琳,贺筱媛,吕学志,廖鹰.  系统仿真学报. 2018(03)
[3]基于深度学习的战场态势变化速度预测模型[J]. 陶九阳,吴琳,王驰,褚君达,廖鹰,朱丰.  系统仿真学报. 2018(03)
[4]对未知复杂体制雷达信号融合处理算法[J]. 赵汝鹏,田润澜,王春雨,赵皓.  现代防御技术. 2017(06)
[5]基于卷积神经网络的作战目标识别方法的研究[J]. 谭景信,洪岩,孟德地,张军尧.  计算机仿真. 2017(11)
[6]战场对敌目标战术意图智能识别模型研究[J]. 欧微,柳少军,贺筱媛,曹占广.  计算机仿真. 2017(09)
[7]基于稀疏自编码神经网络的军事目标图像分类[J]. 沈先耿.  指挥与控制学报. 2017(03)
[8]基于深度学习的战场态势评估综述与研究展望[J]. 朱丰,胡晓峰.  军事运筹与系统工程. 2016(03)
[9]“深绿”及AlphaGo对指挥与控制智能化的启示[J]. 金欣.  指挥与控制学报. 2016(03)
[10]海军兵棋演习系统研究[J]. 杨光,胡习霜.  指挥控制与仿真. 2016(04)

硕士论文
[1]战场态势目标识别与态势意图预测的算法研究[D]. 王杨.江南大学 2015



本文编号：3439277