基于深度学习的战役初始态势认知方法

发布时间：2021-12-30 21:30

　　战役初始态势不仅影响着整个战役进程,而且对战役筹划的影响也极为显著。以深度学习为代表的人工智能技术突飞猛进,为我们利用人工智能技术实现自动识别复杂的战役初始态势、模拟战役指挥员的经验知识带来了契机,作者就此问题进行初步探索性研究。对战役初始态势的概念及其类型进行了介绍,探讨了基于深度学习的战役初始态势认知模型构建,对模型构建步骤、输入和输出的设计进行了探讨,对卷积神经网络的基本思想、结构、训练进行了介绍,在示例中介绍了样本数据的录入程序、卷积神经网络的具体结构与应用程序,验证了方法的可行性与有效性。所提出的战役初始态势认知方法可以在一定程度上获得指挥员对战役初始态势的经验知识。 

【文章来源】：火力与指挥控制. 2020,45(04)北大核心CSCD

【文章页数】：8 页

【参考文献】：
期刊论文
[1]基于深度学习的空天防御态势感知方法[J]. 高晓阳,王刚.  火力与指挥控制. 2018(08)
[2]基于深度学习的战场态势高级理解模拟方法[J]. 朱丰,胡晓峰,吴琳,贺筱媛,杨璐.  火力与指挥控制. 2018(08)
[3]一种基于深度学习的网络入侵检测方法[J]. 李春林,黄月江,王宏,牛长喜.  信息安全与通信保密. 2014(10)
[4]基于自编码神经网络的装备体系评估指标约简方法[J]. 张乐,刘忠,张建强,任雄伟.  中南大学学报(自然科学版). 2013(10)
[5]基于Deep Learning网络态势感知建模方法研究[J]. 周长建,司震宇,邢金阁,刘海波.  东北农业大学学报. 2013(05)
[6]基于深度学习的边际Fisher分析特征提取算法[J]. 孙志军,薛磊,许阳明.  电子与信息学报. 2013(04)
[7]深度学习结构和算法比较分析[J]. 李海峰,李纯果.  河北大学学报(自然科学版). 2012(05)
[8]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[9]增长式卷积神经网络及其在人脸检测中的应用[J]. 顾佳玲,彭宏京.  系统仿真学报. 2009(08)



本文编号：3558995