基于深度学习的军事智能决策支持系统

被引：31

作者：

张晓海

操新文

机构：

[1] 国防大学联合作战学院

来源：

指挥控制与仿真 | 2018年 / 40卷 / 02期

关键词：

军事; 人工智能; 深度学习; 决策支持系统; 神经网络;

D O I：

暂无

中图分类号：

E91 [军事技术基础科学];

学科分类号：

1105 ; 1108 ;

摘要：

Alpha Go的出现使得深度学习模型受到广泛关注。深度学习以其出色的特征提取、多层学习和表达能力,为军事智能决策支持系统的研究提供了新的思路。介绍了深度学习关键技术,通过回顾国内外军事智能决策支持系统的发展历程,介绍了深度学习在军事领域的应用,分析了智能辅助决策技术的发展趋势以及面临的挑战,并进行了总结和展望。

引用

收藏

页码：1 / 7

页数：7

相关论文

共 27 条

[1] 战场对敌目标战术意图智能识别模型研究 [J].

欧微 ;

柳少军 ;

贺筱媛 ;

曹占广 .

计算机仿真, 2017, 34 (09) :10-14+19

[2] 战场目标作战意图识别问题研究与展望 [J].

姚庆锴 ;

柳少军 ;

贺筱媛 ;

欧微 .

指挥与控制学报, 2017, 3 (02) :127-131

[3] 基于深度学习的战略威慑决策模型研究 [J].

荣明 ;

杨镜宇 .

指挥与控制学报, 2017, 3 (01) :44-47

[4] 军用信息系统智能化的挑战与趋势 [J].

郭圣明 ;

贺筱媛 ;

胡晓峰 ;

吴琳 ;

欧微 .

控制理论与应用, 2016, 33 (12) :1562-1571

[5] 基于时序特征编码的目标战术意图识别算法 [J].

欧微 ;

柳少军 ;

贺筱媛 ;

郭圣明 .

指挥控制与仿真, 2016, 38 (06) :36-41

[6] 迎接智能化时代军事指挥面临的新挑战——全军“战争复杂性与信息化战争模拟”研讨会观点综述 [J].

郭若冰 ;

司光亚 ;

贺筱媛 .

中国军事科学, 2016, (05) :149-156

[7]

基于深度学习的战场态势评估综述与研究展望[J]. 朱丰,胡晓峰.军事运筹与系统工程. 2016(03)

[8] 基于深度学习的兵棋演习数据特征提取方法研究 [J].

郑书奎 ;

吴琳 ;

贺筱媛 .

指挥与控制学报, 2016, 2 (03) :194-201

[9] “深绿”及AlphaGo对指挥与控制智能化的启示 [J].

金欣 .

指挥与控制学报, 2016, 2 (03) :202-207

[10] 军事指挥信息系统中的机器智能:现状与趋势 [J].

胡晓峰 .

人民论坛·学术前沿, 2016, (15) :22-34