基于深度学习的战场态势评估综述与研究展望

被引:42
|
作者
朱丰 [1 ,2 ]
胡晓峰 [1 ]
机构
[1] 国防大学信息作战与指挥训练教研部
[2] 中国人民解放军部队
关键词
军事; 战场态势; 评估; 深度学习; 大数据;
D O I
暂无
中图分类号
TP18 [人工智能理论]; E91 [军事技术基础科学];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
适用于大数据复杂系统的人工智能研究水平,已成为制约战场态势评估技术发展的瓶颈问题。2006年提出的人工智能新研究领域——深度学习,具备多层感知的深度网络模型,体现出非线性表达、多层学习、自主提取等优势,为研究大数据战场态势评估问题提供了技术支持。美军将机器学习作为重点发展的基础研究和应用开发领域,自2007年以来启动多个项目;我军应用与研究领域中,深度学习也得到重视并取得一些有益探索。展望未来,可从空间、时间角度研究大数据战场态势特征,并基于此构建基于深度学习的战场态势评估模型。
引用
收藏
页码:22 / 27
页数:6
相关论文
共 29 条
  • [1] 基于进化深度学习的特征提取算法
    陈珍
    夏靖波
    柏骏
    徐敏
    [J]. 计算机科学, 2015, 42 (11) : 288 - 292
  • [2] 基于Listwise的深度学习专家排序方法
    李贤慧
    余正涛
    魏斯超
    高盛祥
    王立人
    [J]. 模式识别与人工智能, 2015, 28 (11) : 976 - 982
  • [3] 深度学习研究概述
    聂振海
    贾丹
    [J]. 科技创新导报, 2015, 12 (30) : 224+226 - 224
  • [4] 基于威力场的超视距协同空战态势评估方法
    常一哲
    李战武
    孙源源
    杨海燕
    罗卫平
    [J]. 火力与指挥控制, 2015, 40 (10) : 40 - 45
  • [5] 计算机兵棋系统发展及应用研究
    柳玉
    文家焱
    陈建华
    [J]. 兵工自动化, 2015, 34 (08) : 20 - 26
  • [6] 基于复杂网络的体系作战协同能力分析方法研究
    胡晓峰
    贺筱媛
    饶德虎
    [J]. 复杂系统与复杂性科学, 2015, 12 (02) : 9 - 17
  • [7] 网络化体系能力评估问题
    胡晓峰
    张昱
    李仁见
    杨镜宇
    [J]. 系统工程理论与实践, 2015, 35 (05) : 1317 - 1323
  • [8] 基于分布式内存计算的深度学习方法
    李抵非
    田地
    胡雄伟
    [J]. 吉林大学学报(工学版) , 2015, (03) : 921 - 925
  • [9] 深度学习研究进展
    郭丽丽
    丁世飞
    [J]. 计算机科学, 2015, 42 (05) : 28 - 33
  • [10] 2015年全国“两会”专题报道
    勤思
    [J]. 商业文化, 2015, (09) : 7 - 15