【摘要】：在大規(guī)模兵棋仿真推演中,空中任務(wù)是指揮員關(guān)注的重點(diǎn)。對(duì)空中任務(wù)的快速、準(zhǔn)確和自動(dòng)識(shí)別,是智能決策的前提和基礎(chǔ)。深度學(xué)習(xí)技術(shù)的迅速發(fā)展,為復(fù)雜戰(zhàn)場態(tài)勢特征提取提供了現(xiàn)實(shí)可行的解決方法,為研究空中任務(wù)識(shí)別提供了技術(shù)支持。概述了傳統(tǒng)任務(wù)識(shí)別研究方法和基于深度學(xué)習(xí)的任務(wù)識(shí)別方法研究進(jìn)展,分別對(duì)卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)、長短時(shí)記憶網(wǎng)絡(luò)(Long Short Term Memory,LSTM)、生成對(duì)抗網(wǎng)絡(luò)(Generate Adversarial Network,GAN)3種深度學(xué)習(xí)方法在空中任務(wù)識(shí)別問題中的應(yīng)用進(jìn)行了論述,提出了解決思路。
[Abstract]:In the simulation of large-scale military chess, the air task is the focus of the commander's attention. The fast, accurate and automatic recognition of air missions is the premise and foundation of intelligent decision-making. The rapid development of depth learning technology provides a practical solution for complex battlefield situation feature extraction and provides technical support for the research of air mission recognition. The research progress of traditional task recognition method and task recognition method based on deep learning is summarized. The convolutional neural network (Convolutional Neural Networks,CNN) and long and short memory network (Long Short Term Memory,LSTM) are used to generate (Generate Adversarial Network,. The application of three depth learning methods in air task recognition is discussed, and the solutions are put forward.
【作者單位】： 國防大學(xué)信息作戰(zhàn)與指揮訓(xùn)練教研部;
【基金】：國家自然科學(xué)基金(U1435218,61403401)
【分類號(hào)】：E919;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘭濤;;紅外準(zhǔn)成像識(shí)別方法的研究[J];航空兵器;1991年03期

2 林云;司錫才;;一種新的輻射源優(yōu)化識(shí)別方法[J];宇航學(xué)報(bào);2011年02期

3 張昌芳;楊宏文;胡衛(wèi)東;郁文賢;;一種通用的陣群目標(biāo)隊(duì)形識(shí)別方法[J];系統(tǒng)工程與電子技術(shù);2010年08期

4 章顯;高乾坤;陶卿;;一種基于在線學(xué)習(xí)的彈道識(shí)別方法[J];彈箭與制導(dǎo)學(xué)報(bào);2014年02期

5 李有科,喻向東,孫青海,王水兵;基于信號(hào)奇異性的干擾信號(hào)識(shí)別方法研究[J];武漢科技學(xué)院學(xué)報(bào);2003年01期

6 倪晉平;張為防;;一種基于減影技術(shù)的紙靶重孔識(shí)別方法[J];西安工業(yè)大學(xué)學(xué)報(bào);2009年01期

7 易紅,郝保安,王宏偉;一種體目標(biāo)的識(shí)別方法及試驗(yàn)研究[J];魚雷技術(shù);2001年04期

8 王首勇,朱光喜;雷達(dá)多目標(biāo)自適應(yīng)識(shí)別方法研究[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年06期

9 聞年成;楊曉靜;白_g;;一種新的RS碼識(shí)別方法[J];電子信息對(duì)抗技術(shù);2011年02期

10 方華元;胡昌華;陳偉;;現(xiàn)場壽命數(shù)據(jù)分布類型識(shí)別方法的研究[J];電光與控制;2005年06期

，

本文編號(hào)：2389041