-
题名基于贝叶斯深度学习的敌方作战飞机机动策略识别
- 1
-
-
作者
袁银龙
张思洁
程赟
华亮
-
机构
南通大学电气与自动化学院
-
出处
《深圳大学学报(理工版)》
北大核心
2025年第4期437-446,I0003-I0005,共13页
-
基金
国家自然科学基金资助项目(62473216)
南通市自然科学基金资助项目(JC2023006).
-
文摘
增强对敌方作战飞机机动策略识别能力是提升我方空战决策水平的关键因素之一.针对传统深度学习模型在复杂多变的作战环境中常表现出过度自信及不确定性评估困难的局限,提出一种基于贝叶斯深度学习的作战飞机机动策略识别方法,使用贝叶斯变分推理和多元高斯分布,构建基于多层感知机的贝叶斯深度学习(multi-layer perceptron-based Bayesian deep learning,BDL-MLP)概率化模型,并引入梯度平衡因子以缓解复杂性代价梯度和似然代价梯度不平衡的影响,再通过贝叶斯反向传播算法进行模型训练和参数优化.基于团队在Unity3D软件研发的虚拟空战仿真平台AirFlightSim,对比评估了BDL-MLP、多层感知机(multilayer perceptron,MLP)、AlexNet和LeNet模型在不同模糊程度(模糊半径分别为0、15、31、45和61像素)的作战飞机运动场景下的分类性能.结果表明,在由上述5种模糊半径构建的数据集上,BDLMLP模型的机动策略识别准确率较MLP、AlexNet和LeNet模型平均分别提升了0.43%、0.99%、1.19%、1.98%和2.36%,且在鲁棒性及复杂数据的特征提取能力方面均表现最优,能够量化不确定性.基于贝叶斯深度学习的作战飞机机动策略识别方法可为军事智能辅助作战系统的研发提供有价值的参考.
-
关键词
人工智能
贝叶斯深度学习
变分推理
概率建模
机动策略识别
梯度平衡因子
智能辅助作战系统
-
Keywords
artificial intelligence
Bayesian deep learning
variational inference
probabilistic modeling
maneuver strategy recognition
gradient balance factor
intelligent assisted combat system
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
