深度学习技术在军事领域应用

发布时间：2022-12-17 13:22

　　为梳理深度学习技术在军事领域应用面临的难题,明确深度学习军事化应用攻关方向,首先从目标识别、态势感知和指挥决策等三方面总结了深度学习技术在军事领域的应用现状,然后分析了深度学习技术在军事领域应用所面临的难点与挑战。其在目标识别领域:面向稀缺认知样本的深度学习技术、不确定性信息条件下深度学习技术、实时性和基于无人平台的深度学习均有待突破。在态势感知领域:基于深度学习的战场态势大数据特征表示与挖掘技术、战场态势理解技术均有待突破。在指挥决策领域:深度学习的可解性有待提高,多实体协同决策技术、推理决策技术都有待提升。该研究成果能为深度学习技术在军事领域中创新发展与工程研究提供参考方向。 

【文章页数】：5 页

【文章目录】：
1 深度学习在目标识别领域的研究现状
2 深度学习在态势感知领域的研究现状
3 深度学习在指挥决策领域的研究现状
4 深度学习技术在军事领域应用挑战与发展前景
    4.1 深度学习技术在军事目标识别领域的应用挑战
    4.2 深度学习技术在态势感知领域的应用挑战
    4.3 深度学习技术在指挥决策领域的应用挑战
5 结束语


【参考文献】：
期刊论文
[1]深度残差网络的无人机多目标识别[J]. 翟进有,代冀阳,王嘉琦,应进.  图学学报. 2019(01)
[2]基于深度学习的战场态势高级理解模拟方法[J]. 朱丰,胡晓峰,吴琳,贺筱媛,杨璐.  火力与指挥控制. 2018(08)
[3]基于深度强化学习的作战辅助决策研究[J]. 周来,靳晓伟,郑益凯.  空天防御. 2018(01)
[4]基于深度网络的空战态势特征提取[J]. 李高垒,马耀飞.  系统仿真学报. 2017(S1)
[5]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(01)
[6]基于深度学习的初级战场态势理解研究[J]. 廖鹰,易卓,胡晓峰.  指挥与控制学报. 2017(01)
[7]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(06)

硕士论文
[1]基于深度学习的雷达辐射源识别技术[D]. 冷鹏飞.中国舰船研究院 2018
[2]基于深度学习的军事目标识别[D]. 潘浩.杭州电子科技大学 2018



本文编号：3720005