戰(zhàn)役初始態(tài)勢不僅影響著整個戰(zhàn)役進程,而且對戰(zhàn)役籌劃的影響也極為顯著。以深度學習為代表的人工智能技術突飛猛進,為我們利用人工智能技術實現(xiàn)自動識別復雜的戰(zhàn)役初始態(tài)勢、模擬戰(zhàn)役指揮員的經驗知識帶來了契機,作者就此問題進行初步探索性研究。對戰(zhàn)役初始態(tài)勢的概念及其類型進行了介紹,探討了基于深度學習的戰(zhàn)役初始態(tài)勢認知模型構建,對模型構建步驟、輸入和輸出的設計進行了探討,對卷積神經網絡的基本思想、結構、訓練進行了介紹,在示例中介紹了樣本數據的錄入程序、卷積神經網絡的具體結構與應用程序,驗證了方法的可行性與有效性。所提出的戰(zhàn)役初始態(tài)勢認知方法可以在一定程度上獲得指揮員對戰(zhàn)役初始態(tài)勢的經驗知識。 

【文章來源】：火力與指揮控制. 2020,45(04)北大核心CSCD

【文章頁數】：8 頁

【參考文獻】：
期刊論文
[1]基于深度學習的空天防御態(tài)勢感知方法[J]. 高曉陽,王剛.  火力與指揮控制. 2018(08)
[2]基于深度學習的戰(zhàn)場態(tài)勢高級理解模擬方法[J]. 朱豐,胡曉峰,吳琳,賀筱媛,楊璐.  火力與指揮控制. 2018(08)
[3]一種基于深度學習的網絡入侵檢測方法[J]. 李春林,黃月江,王宏,牛長喜.  信息安全與通信保密. 2014(10)
[4]基于自編碼神經網絡的裝備體系評估指標約簡方法[J]. 張樂,劉忠,張建強,任雄偉.  中南大學學報(自然科學版). 2013(10)
[5]基于Deep Learning網絡態(tài)勢感知建模方法研究[J]. 周長建,司震宇,邢金閣,劉海波.  東北農業(yè)大學學報. 2013(05)
[6]基于深度學習的邊際Fisher分析特征提取算法[J]. 孫志軍,薛磊,許陽明.  電子與信息學報. 2013(04)
[7]深度學習結構和算法比較分析[J]. 李海峰,李純果.  河北大學學報(自然科學版). 2012(05)
[8]深度學習研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應用研究. 2012(08)
[9]增長式卷積神經網絡及其在人臉檢測中的應用[J]. 顧佳玲,彭宏京.  系統(tǒng)仿真學報. 2009(08)



本文編號：3558995