一种基于CNN的样本不足战场包围态势认知方法

为研究面对战场视图如何捕捉到指挥员认知经验的问题,深度学习中CNN可提供有力支持。但CNN的训练需要足够的样本数据,目前难以获得。针对战争中常见的战场包围态势认知及样本不足问题进行了剖析,提出一种基于CNN的样本不足包围态势认知新方法,该方法利用CNN的非线性拟合功能及包围态势图像的对称特性,可在一定程度上获得指挥员对包围态势的认知经验。仿真实验结果证明了方法的有效性和鲁棒性。

人工智能技术在美军情报领域中的应用研究

美军积极发展下一代人工智能技术,并在情报领域布局智能化战场应用于未来战争,谋求军事优势。本文对人工智能技术在美军情报领域中的研究现状进行分析梳理,结合美军在情报领域的典型项目、人工智能战略分析情报领域内人工智能的发展趋势,提出我军情报领域人工智能技术应用的一些针对性和实用性建议,有效提升我军对战场的认知、态势理解和决策、战场研判和预测、人机协同等情报分析能力。

从态势认知走向态势智能认知

针对联合作战背景下战役级作战态势认知相关问题进行了探讨,提出了态势认知、态势智能认知的概念模型,并厘清了若干概念;提出了态势智能认知相关技术框架,并剖析了其中要重点突破的5个关键问题,给出了可能的技术路线,为从作战态势认知走向态势智能认知奠定了基础。

作战空间的信息优势原理

战场信息获取对战争的胜负非常重要乃至是决定性的。掌握信息优势的一方对战争的把握总是主动的。本文从战场信息的重要组成部分作战空间感知(DBA)和作战空间认知(DBK)入手,探讨了信息优势转换为作战行动效果倍增的因素,分析了信息优势转换为作战行动优势的原理。

装甲装备智能化发展的主要方向探究

当前,人工智能技术已在军事领域全方位渗透,“智能参谋”、无人机蜂群、无人战车、仿生机器人等武器装备已投入军队使用并取得了良好作战效果。装甲装备作为军事武器装备的重要组成部分,在未来智能化战争中仍然是陆战场的主角,而装甲装备的智能化发展也正在由单个“功能点”的突破向“战术面”融合的阶段迈进。本文认为,未来智能化战争对装甲装备提出了态势感知、自主决策、自主协同、快速响应、自我防护、高效毁伤、战术升级和毁伤评估八大能力需求,在此基础上研究分析了装甲装备未来智能化发展的七个主要方向及所需的关键技术。在可预见的未来,装甲装备智能化发展必将取得重大突破,也必将深刻影响未来智能化战场的武器装备发展格局。

面向作战体系的生成式对抗网络应用研究

生成式对抗网络GAN作为一种生成式模型,受博弈论中二人“零和”博弈的启发,通过对抗学习的方式来训练,可以达到估计数据样本的潜在分布、生成新的数据样本的目的。从GAN的基本原理和实现模型入手,综述了其衍生模型和研究进展,对其在作战体系研究领域的应用进行了分析展望。