掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
太空智能推演技術 版權信息
- ISBN：9787515922843
- 條形碼：9787515922843 ; 978-7-5159-2284-3
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
太空智能推演技術 本書特色
本書從軌道智能預報、太空態勢顯示、聚集態勢認知、智能序列規劃、智能機動規劃五大方面，詳細闡述太空應用與智能推演結合的相關技術與算法實例，本書介紹的太空智能推演技術與算法實例對相關專業的技術人員有積極的參考價值。
太空智能推演技術 內容簡介
以智能推演技術為基礎的作戰仿真系統是以軍事應用為目的而構建的模擬仿真系統，可對陸、海、空、天、電、網等領域的作戰要素、作戰方案及裝備性能進行分析，能夠模擬戰場環境和態勢，以實現指揮決策輔助和體系效能評估。本書在結合遞歸神經網絡、卷積神經網、長短時記憶神經網絡等現階段深度學習多種算法模型的基礎上，從軌道智能預報、太空態勢顯示、聚集態勢認知、智能序列規劃、智能機動規劃五大方面，詳細闡述太空應用與智能推演結合的相關技術與算法實例，在帶領讀者認識太空智能推演發展現狀的同時，為讀者深入學習并研究太空智能推演技術提供必要的知識儲備與算法基礎。
太空智能推演技術 目錄
第1章軌道智能預報技術1
1.1軌道預報技術概述1
1.1.1天基節點軌道預報技術現狀1
1.1.2軌道數學模型分析3
1.2深度神經網絡發展現狀8
1.2.1遞歸神經網絡10
1.2.2長短時記憶神經網絡13
1.3太空信息網絡天基節點軌道預報模型優化18
1.3.1長短時記憶神經網絡預報基本思路18
1.3.2長短時記憶神經網絡預報模型優化20
1.3.3長短時記憶神經網絡天基節點軌道預報流程23
1.3.4天基節點軌道預報實驗分析25
1.4太空信息網絡天基節點軌道預報評估框架28
1.4.1天基節點預報評估框架28
1.4.2天基節點軌道預報對比評估標準29
1.4.3長短時記憶神經網絡改進前后對比評估30
1.4.4數學模型與神經網絡預報對比評估37
1.4.5預報誤差置信度評估38
參考文獻41
第2章太空態勢呈現技術44 2.1太空態勢呈現技術概述44 2.1.1天基節點態勢呈現技術現狀44 2.1.2卷積神經網絡46 2.1.3裸眼三維呈現基本方法49 2.2基于卷積神經網絡的裸眼三維視差圖生成模型51 2.2.1模型構建51 2.2.2選擇層重構原理53 2.3裸眼三維成像效果分析54 2.3.1模型計算設置54 2.3.2定量分析55 2.3.3定性分析55 參考文獻58
第3章聚集態勢認知技術59 3.1聚集態勢認知技術基礎59 3.1.1傳統視頻群體異常行為識別的研究現狀59 3.1.2基于深度學習的視頻行為識別研究現狀61 3.2戰場聚集行為智能識別62 3.2.1戰場聚集行為特性分析62 3.2.2基于深度學習的戰場聚集態勢認知模型63 3.3基于多尺度特征融合的戰場聚集態勢認知方法64 3.3.1戰場聚集態勢認知概述64 3.3.2基于多尺度特征融合的三維卷積神經網絡65 3.3.3作戰目標聚集行為數據集構建與防止過擬合策略71 3.3.4實驗與分析73 3.4輕量化戰場聚集態勢認知方法76 3.4.1高效率深度學習模型76 3.4.2輕量化聚集態勢認知算法79 3.4.3實驗與結果分析82 3.4.4面向作戰仿真系統的戰場聚集行為實時識別平臺的實現83 參考文獻89
第4章智能序列規劃算法92 4.1智能序列規劃概述92 4.1.1多智能體序列決策研究現狀92 4.1.2馬爾可夫決策理論93 4.2基本概念及作戰仿真系統智能化分析104 4.2.1基本概念104 4.2.2任務級作戰仿真系統智能化分析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劃算法112 4.3.1理論基礎112 4.3.2蒙特卡洛Q值函數116 4.3.3QMC的收斂性證明120 4.3.4基于QMC的離線規劃算法121 4.4基于模型的多智能體在線分布式規劃算法129 4.4.1理論基礎129 4.4.2分布式蒙特卡洛樹搜索方法131 4.4.3算法復雜度分析139 4.4.4算法性能比較139 4.5無模型的深度多智能體強化學習算法144 4.5.1深度多智能體強化學習的幾個難點問題144 4.5.2深度多智能體強化學習算法147 4.5.3基準測試環境和超參數設置153 4.5.4算法性能分析155 參考文獻159
第5章智能機動規劃技術169 5.1智能機動規劃技術概述169 5.1.1發展背景及意義169 5.1.2研究現狀172 5.2基于深度強化學習的作戰仿真實體決策框架179 5.2.1基本概念179 5.2.2作戰仿真實體決策行為框架180 5.2.3基于深度強化學習的作戰仿真實體決策過程構建183 5.3融合監督學習機制的深度強化學習算法184 5.3.1相關理論184 5.3.2基于值函數的監督式強化學習186 5.3.3算法實驗驗證及分析189 5.4基于深度強化學習的雙網絡機動決策算法192 5.4.1問題描述192 5.4.2仿真實體建模193 5.4.3雙網絡機動決策算法195 5.4.4算法實驗驗證及分析200 5.5基于參數傳遞的多智能體深度強化學習算法204 5.5.1相關理論204 5.5.2多智能體深度強化學習中的主要問題207 5.5.3基于參數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深度強化學習算法應用實例分析219 5.6.1智能算法與仿真平臺聯結方案219 5.6.2作戰想定設計及相關參數設置220 5.6.3仿真實驗及結果分析222 參考文獻226
第2章太空態勢呈現技術44 2.1太空態勢呈現技術概述44 2.1.1天基節點態勢呈現技術現狀44 2.1.2卷積神經網絡46 2.1.3裸眼三維呈現基本方法49 2.2基于卷積神經網絡的裸眼三維視差圖生成模型51 2.2.1模型構建51 2.2.2選擇層重構原理53 2.3裸眼三維成像效果分析54 2.3.1模型計算設置54 2.3.2定量分析55 2.3.3定性分析55 參考文獻58
第3章聚集態勢認知技術59 3.1聚集態勢認知技術基礎59 3.1.1傳統視頻群體異常行為識別的研究現狀59 3.1.2基于深度學習的視頻行為識別研究現狀61 3.2戰場聚集行為智能識別62 3.2.1戰場聚集行為特性分析62 3.2.2基于深度學習的戰場聚集態勢認知模型63 3.3基于多尺度特征融合的戰場聚集態勢認知方法64 3.3.1戰場聚集態勢認知概述64 3.3.2基于多尺度特征融合的三維卷積神經網絡65 3.3.3作戰目標聚集行為數據集構建與防止過擬合策略71 3.3.4實驗與分析73 3.4輕量化戰場聚集態勢認知方法76 3.4.1高效率深度學習模型76 3.4.2輕量化聚集態勢認知算法79 3.4.3實驗與結果分析82 3.4.4面向作戰仿真系統的戰場聚集行為實時識別平臺的實現83 參考文獻89
第4章智能序列規劃算法92 4.1智能序列規劃概述92 4.1.1多智能體序列決策研究現狀92 4.1.2馬爾可夫決策理論93 4.2基本概念及作戰仿真系統智能化分析104 4.2.1基本概念104 4.2.2任務級作戰仿真系統智能化分析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劃算法112 4.3.1理論基礎112 4.3.2蒙特卡洛Q值函數116 4.3.3QMC的收斂性證明120 4.3.4基于QMC的離線規劃算法121 4.4基于模型的多智能體在線分布式規劃算法129 4.4.1理論基礎129 4.4.2分布式蒙特卡洛樹搜索方法131 4.4.3算法復雜度分析139 4.4.4算法性能比較139 4.5無模型的深度多智能體強化學習算法144 4.5.1深度多智能體強化學習的幾個難點問題144 4.5.2深度多智能體強化學習算法147 4.5.3基準測試環境和超參數設置153 4.5.4算法性能分析155 參考文獻159
第5章智能機動規劃技術169 5.1智能機動規劃技術概述169 5.1.1發展背景及意義169 5.1.2研究現狀172 5.2基于深度強化學習的作戰仿真實體決策框架179 5.2.1基本概念179 5.2.2作戰仿真實體決策行為框架180 5.2.3基于深度強化學習的作戰仿真實體決策過程構建183 5.3融合監督學習機制的深度強化學習算法184 5.3.1相關理論184 5.3.2基于值函數的監督式強化學習186 5.3.3算法實驗驗證及分析189 5.4基于深度強化學習的雙網絡機動決策算法192 5.4.1問題描述192 5.4.2仿真實體建模193 5.4.3雙網絡機動決策算法195 5.4.4算法實驗驗證及分析200 5.5基于參數傳遞的多智能體深度強化學習算法204 5.5.1相關理論204 5.5.2多智能體深度強化學習中的主要問題207 5.5.3基于參數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深度強化學習算法應用實例分析219 5.6.1智能算法與仿真平臺聯結方案219 5.6.2作戰想定設計及相關參數設置220 5.6.3仿真實驗及結果分析222 參考文獻226
展開全部
太空智能推演技術 作者簡介
楊海濤，男，1979年3月生，山東萊州人，博士，教授，從事專業為信息與通信工程，主要研究方向為深度學習，智能決策，大數據分析等。潘耀宗，男，1984年11月生，河北衡水人，信息與通信系統專業博士，主要研究方向為強化學習，移動自組網技術等。張健，男，1989年3月生，山東煙臺人，信息與通信系統專業博士，畢業于航天工程大學，主要研究方向，強化學習，智能決策，空間通信與信息網絡等。姜海洋，男，1995年10月生，山東曹縣人，信息與通信系統專業碩士，畢業于航天工程大學，主要研究方向為深度學習，智能決策等。王浩宇，男，2000年3月生，山東淄博人，信息與通信工程專業碩士，主要研究方向為深度學習，智能決策，圖像處理等。朱俊鵬，男，1993年5月生，湖南張家界人，碩士，畢業于航天工程大學，主要研究方向為深度學習，智能決策等。
書友推薦
- >
經典常談
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
朝聞道
- >
羅庸西南聯大授課錄
- >
李白與唐代文化
- >
小考拉的故事-套裝共3冊
- >
苦雨齋序跋文-周作人自編集
- >
煙與鏡
本類暢銷
