10.16182/j.issn1004731x.joss.20-0629
基于深度贝叶斯网络学习的不确定性建模方法
战场态势评估涉及很多不确定因素,对不确定性进行仿真建模能够提高态势评估的能力.针对参战对象多元、不确定性增多导致的无法全面准确表达不确定性问题,提出了基于记忆模块和变分自编码器的深度贝叶斯网络模型.采用生成模型设计了基于深度贝叶斯网络学习的态势评估模型;阐述了融合记忆模块的深度生成模型原理和模型的学习与推理过程;以某空袭行动为例构建贝叶斯网络,对所提方法进行了验证.结果 表明:深度神经网络能够逼近隐变量的非线性变换,设计的记忆模块能存储深度神经网络提取的大量局部特征,通过学习自动得到了贝叶斯网络条件概率,增强了不确定性建模能力.
建模方法;不确定性;贝叶斯网络;深度生成模型;变分自编码器;态势评估
34
TJ761.1;TP391(火箭、导弹)
军委装备发展部十三五预研基金61400010109
2022-02-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
79-85