太空智能推演技術(shù)

第1章軌道智能預(yù)報(bào)技術(shù)1
1.1軌道預(yù)報(bào)技術(shù)概述1
1.1.1天基節(jié)點(diǎn)軌道預(yù)報(bào)技術(shù)現(xiàn)狀1
1.1.2軌道數(shù)學(xué)模型分析3
1.2深度神經(jīng)網(wǎng)絡(luò)發(fā)展現(xiàn)狀8
1.2.1遞歸神經(jīng)網(wǎng)絡(luò)10
1.2.2長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)13
1.3太空信息網(wǎng)絡(luò)天基節(jié)點(diǎn)軌道預(yù)報(bào)模型優(yōu)化18
1.3.1長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)基本思路18
1.3.2長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型優(yōu)化20
1.3.3長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)天基節(jié)點(diǎn)軌道預(yù)報(bào)流程23
1.3.4天基節(jié)點(diǎn)軌道預(yù)報(bào)實(shí)驗(yàn)分析25
1.4太空信息網(wǎng)絡(luò)天基節(jié)點(diǎn)軌道預(yù)報(bào)評估框架28
1.4.1天基節(jié)點(diǎn)預(yù)報(bào)評估框架28
1.4.2天基節(jié)點(diǎn)軌道預(yù)報(bào)對比評估標(biāo)準(zhǔn)29
1.4.3長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)改進(jìn)前后對比評估30
1.4.4數(shù)學(xué)模型與神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)對比評估37
1.4.5預(yù)報(bào)誤差置信度評估38
參考文獻(xiàn)41
第2章太空態(tài)勢呈現(xiàn)技術(shù)44
2.1太空態(tài)勢呈現(xiàn)技術(shù)概述44
2.1.1天基節(jié)點(diǎn)態(tài)勢呈現(xiàn)技術(shù)現(xiàn)狀44
2.1.2卷積神經(jīng)網(wǎng)絡(luò)46
2.1.3裸眼三維呈現(xiàn)基本方法49
2.2基于卷積神經(jīng)網(wǎng)絡(luò)的裸眼三維視差圖生成模型51
2.2.1模型構(gòu)建51
2.2.2選擇層重構(gòu)原理53
2.3裸眼三維成像效果分析54
2.3.1模型計(jì)算設(shè)置54
2.3.2定量分析55
2.3.3定性分析55
參考文獻(xiàn)58
第3章聚集態(tài)勢認(rèn)知技術(shù)59
3.1聚集態(tài)勢認(rèn)知技術(shù)基礎(chǔ)59
3.1.1傳統(tǒng)視頻群體異常行為識別的研究現(xiàn)狀59
3.1.2基于深度學(xué)習(xí)的視頻行為識別研究現(xiàn)狀61
3.2戰(zhàn)場聚集行為智能識別62
3.2.1戰(zhàn)場聚集行為特性分析62
3.2.2基于深度學(xué)習(xí)的戰(zhàn)場聚集態(tài)勢認(rèn)知模型63
3.3基于多尺度特征融合的戰(zhàn)場聚集態(tài)勢認(rèn)知方法64
3.3.1戰(zhàn)場聚集態(tài)勢認(rèn)知概述64
3.3.2基于多尺度特征融合的三維卷積神經(jīng)網(wǎng)絡(luò)65
3.3.3作戰(zhàn)目標(biāo)聚集行為數(shù)據(jù)集構(gòu)建與防止過擬合策略71
3.3.4實(shí)驗(yàn)與分析73
3.4輕量化戰(zhàn)場聚集態(tài)勢認(rèn)知方法76
3.4.1高效率深度學(xué)習(xí)模型76
3.4.2輕量化聚集態(tài)勢認(rèn)知算法79
3.4.3實(shí)驗(yàn)與結(jié)果分析82
3.4.4面向作戰(zhàn)仿真系統(tǒng)的戰(zhàn)場聚集行為實(shí)時(shí)識別平臺的實(shí)現(xiàn)83
參考文獻(xiàn)89
第4章智能序列規(guī)劃算法92
4.1智能序列規(guī)劃概述92
4.1.1多智能體序列決策研究現(xiàn)狀92
4.1.2馬爾可夫決策理論93
4.2基本概念及作戰(zhàn)仿真系統(tǒng)智能化分析104
4.2.1基本概念104
4.2.2任務(wù)級作戰(zhàn)仿真系統(tǒng)智能化分析106
4.2.3仿真裝備實(shí)體的行為策略自動生成110
4.3基于模型的多智能體離線規(guī)劃算法112
4.3.1理論基礎(chǔ)112
4.3.2蒙特卡洛Q值函數(shù)116
4.3.3QMC的收斂性證明120
4.3.4基于QMC的離線規(guī)劃算法121
4.4基于模型的多智能體在線分布式規(guī)劃算法129
4.4.1理論基礎(chǔ)129
4.4.2分布式蒙特卡洛樹搜索方法131
4.4.3算法復(fù)雜度分析139
4.4.4算法性能比較139
4.5無模型的深度多智能體強(qiáng)化學(xué)習(xí)算法144
4.5.1深度多智能體強(qiáng)化學(xué)習(xí)的幾個(gè)難點(diǎn)問題144
4.5.2深度多智能體強(qiáng)化學(xué)習(xí)算法147
4.5.3基準(zhǔn)測試環(huán)境和超參數(shù)設(shè)置153
4.5.4算法性能分析155
參考文獻(xiàn)159
第5章智能機(jī)動規(guī)劃技術(shù)169
5.1智能機(jī)動規(guī)劃技術(shù)概述169
5.1.1發(fā)展背景及意義169
5.1.2研究現(xiàn)狀172
5.2基于深度強(qiáng)化學(xué)習(xí)的作戰(zhàn)仿真實(shí)體決策框架179
5.2.1基本概念179
5.2.2作戰(zhàn)仿真實(shí)體決策行為框架180
5.2.3基于深度強(qiáng)化學(xué)習(xí)的作戰(zhàn)仿真實(shí)體決策過程構(gòu)建183
5.3融合監(jiān)督學(xué)習(xí)機(jī)制的深度強(qiáng)化學(xué)習(xí)算法184
5.3.1相關(guān)理論184
5.3.2基于值函數(shù)的監(jiān)督式強(qiáng)化學(xué)習(xí)186
5.3.3算法實(shí)驗(yàn)驗(yàn)證及分析189
5.4基于深度強(qiáng)化學(xué)習(xí)的雙網(wǎng)絡(luò)機(jī)動決策算法192
5.4.1問題描述192
5.4.2仿真實(shí)體建模193
5.4.3雙網(wǎng)絡(luò)機(jī)動決策算法195
5.4.4算法實(shí)驗(yàn)驗(yàn)證及分析200
5.5基于參數(shù)傳遞的多智能體深度強(qiáng)化學(xué)習(xí)算法204
5.5.1相關(guān)理論204
5.5.2多智能體深度強(qiáng)化學(xué)習(xí)中的主要問題207
5.5.3基于參數(shù)傳遞的多智能體深度確定性策略梯度算法209
5.5.4算法實(shí)驗(yàn)驗(yàn)證及分析214
5.6深度強(qiáng)化學(xué)習(xí)算法應(yīng)用實(shí)例分析219
5.6.1智能算法與仿真平臺聯(lián)結(jié)方案219
5.6.2作戰(zhàn)想定設(shè)計(jì)及相關(guān)參數(shù)設(shè)置220
5.6.3仿真實(shí)驗(yàn)及結(jié)果分析222
參考文獻(xiàn)226