太空智能推演技術(shù)

第1章軌道智能預(yù)報技術(shù)1
1.1軌道預(yù)報技術(shù)概述1
1.1.1天基節(jié)點軌道預(yù)報技術(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)點軌道預(yù)報模型優(yōu)化18
1.3.1長短時記憶神經(jīng)網(wǎng)絡(luò)預(yù)報基本思路18
1.3.2長短時記憶神經(jīng)網(wǎng)絡(luò)預(yù)報模型優(yōu)化20
1.3.3長短時記憶神經(jīng)網(wǎng)絡(luò)天基節(jié)點軌道預(yù)報流程23
1.3.4天基節(jié)點軌道預(yù)報實驗分析25
1.4太空信息網(wǎng)絡(luò)天基節(jié)點軌道預(yù)報評估框架28
1.4.1天基節(jié)點預(yù)報評估框架28
1.4.2天基節(jié)點軌道預(yù)報對比評估標(biāo)準(zhǔn)29
1.4.3長短時記憶神經(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)報對比評估37
1.4.5預(yù)報誤差置信度評估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實驗與分析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實驗與結(jié)果分析82
3.4.4面向作戰(zhàn)仿真系統(tǒng)的戰(zhàn)場聚集行為實時識別平臺的實現(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)的幾個難點問題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)仿真實體決策框架179
5.2.1基本概念179
5.2.2作戰(zhàn)仿真實體決策行為框架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算法實驗驗證及分析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算法實驗驗證及分析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算法實驗驗證及分析214
5.6深度強(qiáng)化學(xué)習(xí)算法應(yīng)用實例分析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)計及相關(guān)參數(shù)設(shè)置220
5.6.3仿真實驗及結(jié)果分析222
參考文獻(xiàn)226