新書推薦:
《
真需求
》
售價:NT$
505.0
《
阿勒泰的春天
》
售價:NT$
230.0
《
如见你
》
售價:NT$
234.0
《
人格阴影 全新修订版,更正旧版多处问题。国际分析心理学协会(IAAP)主席力作
》
售價:NT$
305.0
《
560种野菜野果鉴别与食用手册
》
售價:NT$
305.0
《
中国官僚政治研究(一部洞悉中国政治制度演变的经典之作)
》
售價:NT$
286.0
《
锂电储能产品设计及案例详解
》
售價:NT$
505.0
《
首辅养成手册(全三册)(张晚意、任敏主演古装剧《锦绣安宁》原著小说)
》
售價:NT$
551.0
|
編輯推薦: |
本书从轨道智能预报、太空态势显示、聚集态势认知、智能序列规划、智能机动规划五大方面,详细阐述太空应用与智能推演结合的相关技术与算法实例,本书介绍的太空智能推演技术与算法实例对相关专业的技术人员有积极的参考价值。
|
內容簡介: |
以智能推演技术为基础的作战仿真系统是以军事应用为目的而构建的模拟仿真系统,可对陆、海、空、天、电、网等领域的作战要素、作战方案及装备性能进行分析,能够模拟战场环境和态势,以实现指挥决策辅助和体系效能评估。本书在结合递归神经网络、卷积神经网、长短时记忆神经网络等现阶段深度学习多种算法模型的基础上,从轨道智能预报、太空态势显示、聚集态势认知、智能序列规划、智能机动规划五大方面,详细阐述太空应用与智能推演结合的相关技术与算法实例,在带领读者认识太空智能推演发展现状的同时,为读者深入学习并研究太空智能推演技术提供必要的知识储备与算法基础。
|
關於作者: |
杨海涛,男,1979年3月生,山东莱州人,博士,教授,从事专业为信息与通信工程,主要研究方向为深度学习,智能决策,大数据分析等。潘耀宗,男,1984年11月生,河北衡水人,信息与通信系统专业博士,主要研究方向为强化学习,移动自组网技术等。张健,男,1989年3月生,山东烟台人,信息与通信系统专业博士,毕业于航天工程大学,主要研究方向,强化学习,智能决策,空间通信与信息网络等。姜海洋,男,1995年10月生,山东曹县人,信息与通信系统专业硕士,毕业于航天工程大学,主要研究方向为深度学习,智能决策等。王浩宇,男,2000年3月生,山东淄博人,信息与通信工程专业硕士,主要研究方向为深度学习,智能决策,图像处理等。朱俊鹏,男,1993年5月生,湖南张家界人,硕士,毕业于航天工程大学,主要研究方向为深度学习,智能决策等。
|
目錄:
|
第1章轨道智能预报技术1
1.1轨道预报技术概述1
1.1.1天基节点轨道预报技术现状1
1.1.2轨道数学模型分析3
1.2深度神经网络发展现状8
1.2.1递归神经网络10
1.2.2长短时记忆神经网络13
1.3太空信息网络天基节点轨道预报模型优化18
1.3.1长短时记忆神经网络预报基本思路18
1.3.2长短时记忆神经网络预报模型优化20
1.3.3长短时记忆神经网络天基节点轨道预报流程23
1.3.4天基节点轨道预报实验分析25
1.4太空信息网络天基节点轨道预报评估框架28
1.4.1天基节点预报评估框架28
1.4.2天基节点轨道预报对比评估标准29
1.4.3长短时记忆神经网络改进前后对比评估30
1.4.4数学模型与神经网络预报对比评估37
1.4.5预报误差置信度评估38
参考文献41
第2章太空态势呈现技术44
2.1太空态势呈现技术概述44
2.1.1天基节点态势呈现技术现状44
2.1.2卷积神经网络46
2.1.3裸眼三维呈现基本方法49
2.2基于卷积神经网络的裸眼三维视差图生成模型51
2.2.1模型构建51
2.2.2选择层重构原理53
2.3裸眼三维成像效果分析54
2.3.1模型计算设置54
2.3.2定量分析55
2.3.3定性分析55
参考文献58
第3章聚集态势认知技术59
3.1聚集态势认知技术基础59
3.1.1传统视频群体异常行为识别的研究现状59
3.1.2基于深度学习的视频行为识别研究现状61
3.2战场聚集行为智能识别62
3.2.1战场聚集行为特性分析62
3.2.2基于深度学习的战场聚集态势认知模型63
3.3基于多尺度特征融合的战场聚集态势认知方法64
3.3.1战场聚集态势认知概述64
3.3.2基于多尺度特征融合的三维卷积神经网络65
3.3.3作战目标聚集行为数据集构建与防止过拟合策略71
3.3.4实验与分析73
3.4轻量化战场聚集态势认知方法76
3.4.1高效率深度学习模型76
3.4.2轻量化聚集态势认知算法79
3.4.3实验与结果分析82
3.4.4面向作战仿真系统的战场聚集行为实时识别平台的实现83
参考文献89
第4章智能序列规划算法92
4.1智能序列规划概述92
4.1.1多智能体序列决策研究现状92
4.1.2马尔可夫决策理论93
4.2基本概念及作战仿真系统智能化分析104
4.2.1基本概念104
4.2.2任务级作战仿真系统智能化分析106
4.2.3仿真装备实体的行为策略自动生成110
4.3基于模型的多智能体离线规划算法112
4.3.1理论基础112
4.3.2蒙特卡洛Q值函数116
4.3.3QMC的收敛性证明120
4.3.4基于QMC的离线规划算法121
4.4基于模型的多智能体在线分布式规划算法129
4.4.1理论基础129
4.4.2分布式蒙特卡洛树搜索方法131
4.4.3算法复杂度分析139
4.4.4算法性能比较139
4.5无模型的深度多智能体强化学习算法144
4.5.1深度多智能体强化学习的几个难点问题144
4.5.2深度多智能体强化学习算法147
4.5.3基准测试环境和超参数设置153
4.5.4算法性能分析155
参考文献159
第5章智能机动规划技术169
5.1智能机动规划技术概述169
5.1.1发展背景及意义169
5.1.2研究现状172
5.2基于深度强化学习的作战仿真实体决策框架179
5.2.1基本概念179
5.2.2作战仿真实体决策行为框架180
5.2.3基于深度强化学习的作战仿真实体决策过程构建183
5.3融合监督学习机制的深度强化学习算法184
5.3.1相关理论184
5.3.2基于值函数的监督式强化学习186
5.3.3算法实验验证及分析189
5.4基于深度强化学习的双网络机动决策算法192
5.4.1问题描述192
5.4.2仿真实体建模193
5.4.3双网络机动决策算法195
5.4.4算法实验验证及分析200
5.5基于参数传递的多智能体深度强化学习算法204
5.5.1相关理论204
5.5.2多智能体深度强化学习中的主要问题207
5.5.3基于参数传递的多智能体深度确定性策略梯度算法209
5.5.4算法实验验证及分析214
5.6深度强化学习算法应用实例分析219
5.6.1智能算法与仿真平台联结方案219
5.6.2作战想定设计及相关参数设置220
5.6.3仿真实验及结果分析222
参考文献226
|
內容試閱:
|
在早期的军事活动中,人们基本通过战争来学习战争,近些年来,伴随着人工智能、大数据和云计算等技术的快速发展,融合新技术的智能系统在装备体系论证、作战战法训练、军事对抗演习等方面取得了深度应用,并产生了深远的影响。高新信息技术的发展,为传统军事领域带来了革命性的改变,各类人工智能新型算法与军用仿真技术的碰撞,促进军事推演发生了质的升华——以智能推演技术为基础的作战仿真系统应运而生,从此,我们能够从“虚拟战场”中学习战争,这为在未来的太空领域中发展智能化的天基军事对抗手段提供了一种崭新的思路。
以智能推演技术为基础的作战仿真系统是以军事应用为目的而构建的模拟仿真系统,可对陆、海、空、天、电、网等领域的作战要素、作战方案及装备性能进行分析,能够模拟战场环境和态势,以实现指挥决策辅助和体系效能评估。目前,世界各军事大国充分认识到智能推演技术在促进军事领域变革中的巨大作用,并且力求通过其来评估武器系统和战法的效能,从而提升部队训练的效果,其中尤以美国的智能推演仿真系统最为先进。
美国一直将智能化与仿真列为重要的国防关键技术,在智能推演仿真系统的研发方面处于世界领先地位。美国国防部于1992年制定了《国防建模与仿真倡议》,同年7月将“综合仿真环境”列为维持美军优势的关键技术;1995年国防技术信息中心发布“建模与仿真(M&S)主计划”,提出了建模与仿真的六大目标。2019年,美国在柯特兰空军基地建立了分布式任务作战中心(DMOC),可将美国空军、陆军、海军和海军陆战队资源连接起来,提供一种逼真的合成战场环境,以开展联合分布式训练;除此之外,美国还在奥兰多建有主管建模与仿真的国家仿真模拟中心(NSC),用于连接军方、工业部门和学术机构,并且在国际仿真模拟相关技术领域占据主导地位,其引导的“奥兰多之队”项目旨在联合军方、工业部门和学术机构为军事仿真、智能推演和训练决策提供技术支撑。经过数年的发展,美国已经具备了不同类型、不同层级的智能推演仿真系统,如战区/战役级、任务/作战级、工程级等仿真系统。战区/战役级主要用于体系间或部队间的对抗推演,任务/作战级主要用于系统的作战效能评估、战术层次的仿真推演,工程级主要用于对装备或者装备组件进行细粒度的仿真。美军典型的智能推演仿真系统有扩展型防空仿真系统EADSIM、联合战区级仿真系统JTLS、联合分析系统JAS、联合仿真系统JSIMS 等。EADSIM是美军中应用较为广泛的任务级作战仿真系统,以灵活的规则集来控制平台实体的行为,内置丰富的传感器、通信等模型。JTLS是一个交互式的战区级仿真系统,最初用于军事战略、作战计划的分析,目前主要用于联合作战训练和演习;JTLS包含多兵种的联合作战仿真,能够进行应急计划和联合战术分析、制定和评估,作战单元结构和武器系统配置的分析,并且拥有与实际系统的接口,能够实现人/装备在回路的仿真。JAS是一个战役级作战仿真系统,同样包含多兵种的联合作战仿真,能够对作战计划的制定和执行进行评估。JSIMS是联合战役级作战仿真系统, 采用分布式技术, 能够面向陆、海、空、天、电等多领域开展作战仿真,同时能够与实际的作战系统实现交互。美国海军分析中心(CNA)开发了一款基于智能体的作战仿真软件——EINSTein,其是一个专门研究地面作战自组织涌现行为的仿真工具。这些智能推演仿真系统能够利用人工智能、博弈论、对抗推演分析和战士模拟训练等众多方法来帮助作战人员衡量对手的意图,从而对各种刺激手段做出正确的反应。
除美国之外,世界其他军事强国或地区也非常重视智能推演技术的研究,欧洲成立了欧洲仿真特殊兴趣组(ESSIG),并组建了智能推演研究工作组,开展了并行和分布式仿真推演、仿真互操作性等基础技术的研究,并且每年举行军事和民用仿真、训练及教育论坛,吸收产业界、高校等最新的成果。俄罗斯于2018年宣布组建“时代”军事创新科技园,开展新物理原理武器、小型航天器等先进系统的科学研究及智能仿真模拟,研制用于开发武器、军事和专业技术设备的人工智能技术。
我国智能推演技术已发展四十余年,尤其早期技术的积累在近些年逐渐开花结果,军用智能推演技术得到了飞速发展。例如,通用战场三维可视化作战想定态势推演系统,采用开放式系统架构,能够对战场信息以三维的方式进行可视化。航空兵作战对抗及辅助决策系统面向航空兵战术对抗模拟训练,为航空兵开展战术对抗模拟训练提供支持。DWK分布式仿真平台是一种基于组件的仿真开发系统,能够针对需求开发模型进行战术、战役级的仿真。联合防空仿真系统(JadSim)是面向空中进攻与防空反导作战研究、装备论证和模拟训练的任务级智能推演仿真系统,能够对陆、海、空、天等各类作战平台和武器系统进行建模,支持较大规模作战实体参与的快速推演和大样本仿真;上海交通大学和伦敦大学学院合作开发了一款类似于EINSTein的大规模集群智能推演仿真平台——MAgent,能够分析智能体的策略和大规模智能体的行为涌现,不同之处是MAgent的技术基础是深度强化学习中最新的研究成果。
但是,尽管世界各国发展智能推演仿真系统的势头如火如荼,太空应用与智能推演的结合却仍然处于刚刚起步的阶段,本书在结合递归神经网络、卷积神经网络、长短时记忆神经网络等现阶段深度学习多种算法模型的基础上,从轨道智能预报、太空态势呈现、聚集态势认知、智能序列规划、智能机动规划五大方面,详细阐述太空应用与智能推演结合的相关技术与算法实例,在带领读者认识太空智能推演发展现状的同时,为读者深入学习并研究太空智能推演技术提供必要的知识储备与算法基础。
|
|