项目名称: 基于深度学习的联合作战态势智能辅助分析研究

项目编号: No.61773399

项目类型: 面上项目

立项/批准年度: 2018

项目学科: 其他

项目作者: 廖鹰

作者单位: 中国人民解放军战略支援部队信息工程大学

项目金额: 16万元

中文摘要: 在信息化战争中,战场空间空前拓展、信息海量化、环境复杂化、作战对象多元化、作战强度急剧增大给指挥人员的精准指挥带来巨大挑战。传统基于人经验或认知的指挥模式已无法有效应对瞬息万变的战场和海量数据,准确快速地把握联合作战的战场态势成为了难题。同时,现有面向作战指挥的计算机辅助决策尚不能以人的认知模式来理解态势,难以适应新形势的需要,人工智能的研究水平已成为制约战场态势理解的瓶颈。复杂网络、大数据和深度学习研究的逐步兴起,为战场态势的智能辅助提供了契机。因此,面对全维战场,研究基于深度学习的联合作战智能辅助分析具有重要意义。本项目从体系对抗性和战争复杂性角度出发,系统研究态势问题,通过参照指挥人员理解态势的模式,集成机器学习方法,基于联合作战条件下的兵棋大数据,建立复合架构的深度学习网络,构建适应性强的态势智能辅助分析模型,实现态势的无监督理解,符合现实的紧迫需求,具有较强的理论和应用价值。

中文关键词: 深度学习;态势;联合作战;兵棋;人工智能

英文摘要: The unprecedented expansion of battlefield space in the information-based war, vast information of battlefield information, complicated battle field environment, diversity of operational object, and large accretion of combat strength poses grave challenges for the commanders. The traditional mode based on experience or cognitive command has been unable to effectively cope with rapidly changing battlefield and huge amounts of data, so to seize the battlefield situation of combined operation accurately and rapidly becomes a difficult problem. At the same time, the existing computer assisting decision-making can’t understand the situation like person and meet the requirements of new situation, so the research of artificial intelligence has become the bottleneck of comprehension of battlefield situation. The rise of research of complex networks,big data and deep learning,provides an opportunity for intelligent assistants of battlefield. Therefore, in the face of the whole omni-dimensional battlefield, research on the intelligence analysis of joint operations based on deep learning is of great significance. This project focuses on combat situation to research the battle situation systematically based on confrontation and complexity system. By reference to the situational model of the commanders personnel understand, integrated machine learning approach, we establish the composite structure of deep learning network based on war game data in the joint operations, to put forward better adaptability intelligent aided analysis model and realize the battle situation unsupervised understanding. This project conforms to the reality of urgent demand, possessing with strong theoretical and application value.

英文关键词: Deep learning ;Posture;Joint Operations ;War games;Artificial intelligence

成为VIP会员查看完整内容
284

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
人工智能系统可信性度量评估研究综述
专知会员服务
87+阅读 · 2022年1月30日
专知会员服务
89+阅读 · 2021年7月9日
数字化转型白皮书:数智技术驱动智能制造,42页pdf
专知会员服务
173+阅读 · 2021年7月8日
视频分析中的人工智能 (AI)白皮书,16页pdf
专知会员服务
64+阅读 · 2021年5月6日
人机对抗智能技术
专知会员服务
200+阅读 · 2020年5月3日
赛尔笔记|基于深度学习方法的对话状态跟踪综述
哈工大SCIR
2+阅读 · 2021年6月29日
基于虚拟现实环境的深度学习模型构建
MOOC
24+阅读 · 2019年9月28日
【智能驾驶】97页PPT,读懂自动驾驶全产业链发展!
网络安全态势感知
计算机与网络安全
25+阅读 · 2018年10月14日
国家自然科学基金
15+阅读 · 2015年12月31日
国家自然科学基金
65+阅读 · 2014年12月31日
国家自然科学基金
36+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
47+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
Arxiv
49+阅读 · 2021年5月9日
Deep Learning in Video Multi-Object Tracking: A Survey
Arxiv
57+阅读 · 2019年7月31日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
26+阅读 · 2018年9月21日
Arxiv
11+阅读 · 2018年4月25日
小贴士
相关VIP内容
相关基金
国家自然科学基金
15+阅读 · 2015年12月31日
国家自然科学基金
65+阅读 · 2014年12月31日
国家自然科学基金
36+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
47+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员