基于深度学习的战场态势变化速度预测模型

摘要：

战场态势变化剧烈程度的度量和估计,对指挥员均衡认知负载,降低决策风险具有重要意义.首先,基于态势要素状态变化过程中产生的自信息量,建立了态势变化速度计算模型;随后,以二维网格中态势要素机动为基本案例,探索了基于深度学习的态势要素趋势预测方法,证明了深度学习模型的损失函数交叉熵等价于态势变化速度;最后,通过实验分析了随着态势要素客观不确定性的增加,态势变化速度和趋势预测准确性的变化情况,得到推论:学习模型对态势要素的趋势预测准确率存在上限,上限值与态势变化速度成反比.

关键词：不确定性、信息论、态势认知、深度学习、香农熵

所属期刊栏目：30

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金61403400,61403401,61773399,61703412;军民共用重大研究计划联合基金U1435218

在线出版日期：2018-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：785-792