摘要

战术军事陆地行动严重依赖地形,因此在军事决策过程中始终需要考虑地形。地形相关(地理空间)战术信息产品,例如最佳路线或近场途径通常由情报单元中的地形分析师确定,但也可以自动生成。这些产品可用于决策支持工具,以支持规划过程。当在这些决策支持工具中使用机器学习时,这些产品还有助于对军事单位的行为进行建模,这是通过机器学习找到表现良好的行动方案所需的。这项工作概述了地理空间产品,并将它们分类为基于层的体系结构,其中产品基于底层的产品。我们进一步规范了创建机器学习所需的战术地形模型和战术任务模型的步骤。基于两个实际示例,我们演示了如何在提出的架构中生成地理空间产品,这些产品如何用于机器学习以进行战术规划,以及如何将学习到的行动和情报产品提供给规划者以支持决策。

成为VIP会员查看完整内容
87

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
【AI+军事】 《冲突监测》附论文
专知会员服务
46+阅读 · 2022年4月27日
【AI+军事】附论文+PPT 《复杂地下作业中的决策支持》
专知会员服务
47+阅读 · 2022年4月16日
「深度学习注意力机制 」TKDE 2022研究综述
新智元
5+阅读 · 2022年4月8日
国家自然科学基金
0+阅读 · 2015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
5+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
15+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
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
91+阅读 · 2009年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年6月6日
Arxiv
0+阅读 · 2022年6月6日
Arxiv
0+阅读 · 2022年6月3日
UNITER: Learning UNiversal Image-TExt Representations
Arxiv
23+阅读 · 2019年9月25日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
14+阅读 · 2018年4月18日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015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
5+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
15+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
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
91+阅读 · 2009年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年6月6日
Arxiv
0+阅读 · 2022年6月6日
Arxiv
0+阅读 · 2022年6月3日
UNITER: Learning UNiversal Image-TExt Representations
Arxiv
23+阅读 · 2019年9月25日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
14+阅读 · 2018年4月18日
微信扫码咨询专知VIP会员