联合态势下无人机自主任务决策设计

设计了一种联合态势下无人机自主任务决策模型。该模型依托灰色预测在数据量较少的情况下进行数据预测,依托云模型理论评价态势数据的准确性,再结合粗糙集理论,提取出影响权重高的态势信息,形成灰色-粗糙集-云模型联合态势。然后,借鉴OODA环理论,设计基于OODA的分层控制。最后,借鉴“AlphaGoZero”的策略/评价两套独立神经网络通道,设计出无人机实时任务决策算法。通过两个场景的仿真,成功地进行了仿真验证。

基于海量联合战场信息的多级态势生成方法研究

文章基于海量联合战场信息,提出了一种多级指挥所态势生成方法。该方法针对不同级别情报处理中心的信息获取能力与作战应用需求,分别形成了战略层级的共用作战图、战役层级的共用态势图和战术层级单一合成图,并对每一种态势的原始数据和处理方法进行了详细的描述。使用该方法可以为联合战场中各级情报处理中心提供有效、直观可视的联合战场态势信息,同时保证批号属性的一致性及时空基准的一致性,满足联合作战的技术需求。

基于知识图谱的联合作战态势知识表示方法

机器缺乏理解和判断复杂作战态势的基本知识是态势智能认知的难点之一。概述了基于知识图谱的知识表示方法,分析了联合作战态势知识表示的特点和难点,提出了场景知识图谱的概念,描述了场景知识图谱的知识来源和基本内容,指出了面向特定作战场景的离散符号与连续向量相融合的知识联合表示方法是表示联合作战态势知识的有效途径。

基于图嵌入的兵棋联合作战态势实体知识表示学习方法

为将基于离散符号的兵棋联合作战态势实体知识表示为机器更加容易学习、处理和应用的形式,根据兵棋联合作战态势实体知识的特点,提出一种基于图嵌入的兵棋联合作战态势实体知识表示学习方法。该方法采用基于元路径的多层异构图嵌入模型,对想定场景中的兵棋联合作战态势实体及其关系知识进行表示学习,将其映射为连续向量空间中的稠密实值向量,从而有效揭示兵棋联合作战态势实体之间的全局隐含特征,为大规模联合作战态势知识的获取、融合与推理奠定良好基础。实验结果表明,基于图嵌入的兵棋联合作战态势实体知识表示学习方法针对性强,对于评估指标提升较大,为复杂兵棋联合作战态势知识的表示学习提供了可行范例。

基于深度学习的网络信息体系能力评估方法

网络信息体系能力影响因素众多且关联关系复杂,传统系统评估方法的层次化树状评估指标体系不能有效体现指标间的复杂关联关系,且评估指标聚合模型难以映射网络信息体系能力与其评估指标之间的非线性关系。因此,本文首先构建了依托联合作战仿真实验的网络信息体系能力评估框架;然后,结合网络分析法和深度学习提出了一种智能评估方法,采用网络分析法构建网络化评估指标体系,并采用卷积神经网络建立智能化评估指标聚合模型;最后,将所提评估方法应用于网络信息体系的联合态势感知能力评估,验证了其可行性。