10.16182/j.issn1004731x.joss.21-0429
基于卷积神经网络的陆战兵棋战术机动策略学习
针对从"人在回路"兵棋推演的复盘数据中提取推演者战术经验高价值知识的问题,提出一种基于深度神经网络从复盘数据中学习战术机动策略模型的方法.将战术机动策略建模为在当前态势特征影响下对目标候选位置进行优选的分类问题:梳理总结影响推演者决策的关键认知因素,定义了由机动范围和观察范围等7个属性构成的基础态势特征,建立了带有正负样本标注的态势特征数据集;设计了基于卷积神经网络的分类器,以分类概率实现了单个棋子战术机动终点位置的预测.实验结果表明:该模型的预测准确率可达到78.96%,相比其他模型提高至少4.59%.
兵棋推演、复盘数据、战术机动策略、态势特征、卷积神经网络
34
TP391.9(计算技术、计算机技术)
国家自然科学基金;中国科学院战略性先导科技专项
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共13页
2181-2193