期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于机器学习的环形锻件轧制毛坯智能推演设计方法 被引量:2
1
作者 徐立亮 邓加东 +1 位作者 胡志力 许亮 《塑性工程学报》 CAS CSCD 北大核心 2022年第4期23-29,共7页
针对环形锻件轧制成形工艺方案关键设计难点中的毛坯设计问题,结合环件轧制毛坯设计理论与机器学习算法,建立了基于BP神经网络算法的轧环毛坯尺寸智能推演模型和基于支持向量机算法的冲孔毛坯尺寸智能推演模型,利用从企业收集到的历史... 针对环形锻件轧制成形工艺方案关键设计难点中的毛坯设计问题,结合环件轧制毛坯设计理论与机器学习算法,建立了基于BP神经网络算法的轧环毛坯尺寸智能推演模型和基于支持向量机算法的冲孔毛坯尺寸智能推演模型,利用从企业收集到的历史工艺案例数据对推演模型进行学习训练,通过对比不同推演模型结构下的工艺设计结果确定了最终的轧制毛坯智能推演方案,并利用有限元模拟和物理实验验证了智能推演方案的可靠性。 展开更多
关键词 环形锻件 径-轴向轧制 毛坯设计 智能推演 机器学习
原文传递
作战方案智能推演技术研究 被引量:5
2
作者 张路青 《舰船电子工程》 2011年第11期8-10,48,共4页
为了明确作战任务,分析作战方案,检验作战计划,预估作战效果,在作战行动实施之前,有必要进行作战方案模拟推演,以提供科学可靠的辅助决策建议。文章研究了作战方案智能推演技术,提出了智能推演的体系结构,重点研究了方案解析和AI兵力建... 为了明确作战任务,分析作战方案,检验作战计划,预估作战效果,在作战行动实施之前,有必要进行作战方案模拟推演,以提供科学可靠的辅助决策建议。文章研究了作战方案智能推演技术,提出了智能推演的体系结构,重点研究了方案解析和AI兵力建模等关键技术,为方案优化和辅助决策提供了基础技术支撑。 展开更多
关键词 智能推演 实体模型 实体工厂 方案解析
下载PDF
军事智能推演研究综述
3
作者 王丹妮 徐丽 李思照 《计算机与网络》 2022年第9期43-51,共9页
军事智能推演在复杂、大规模、多装备军事推演领域扮演着重要的角色,通过模拟战场环境,不仅能够对已经制定好但还未实行的作战计划进行演练与改进,还能复现已经完成的作战任务,对作战过程进行客观评价和理性总结。从智能推演的发展、军... 军事智能推演在复杂、大规模、多装备军事推演领域扮演着重要的角色,通过模拟战场环境,不仅能够对已经制定好但还未实行的作战计划进行演练与改进,还能复现已经完成的作战任务,对作战过程进行客观评价和理性总结。从智能推演的发展、军事仿真推演系统的成果、军事推演的关键技术及其研究现状,以及推演方案评估等几个方面对当前军事智能推演发展情况进行梳理与展望。 展开更多
关键词 智能推演 仿真推演 人工智能 深度强化学习
下载PDF
一种混合智能的作战推演应用模式研究
4
作者 金欣 王新年 +1 位作者 周芳 丁冉 《计算机仿真》 2024年第9期1-6,257,共7页
作战推演技术在指挥训练、作战指挥、战法研究等领域中有着广泛的应用。传统的作战推演技术过于依赖与人在环路,推演效率低下,难以覆盖真实对抗中的各种可能情况。近年来广泛研究的深度强化学习技术,只能扮演战术级以下的智能蓝军用于... 作战推演技术在指挥训练、作战指挥、战法研究等领域中有着广泛的应用。传统的作战推演技术过于依赖与人在环路,推演效率低下,难以覆盖真实对抗中的各种可能情况。近年来广泛研究的深度强化学习技术,只能扮演战术级以下的智能蓝军用于模拟训练,因为其即不能胜任战役级决策的复杂度,也无法融入红队指挥官的智慧。于是提出一种混合智能的作战推演应用模式,同时融入人的智慧和深度强化学习训练的智能模型,用于态势演变预测和复盘分析、方案推演评估和探索优化。结合典型应用场景开展了实例化研究与概念验证,具有一定参考价值。 展开更多
关键词 混合智能作战推演 态势演变预测 方案制定与分析
下载PDF
基于BN-DDPG轻量级强化学习算法的智能兵棋推演 被引量:1
5
作者 李卓远 张德平 《计算机系统应用》 2023年第4期293-299,共7页
兵棋推演与智能算法融合成为当前军事应用领域的研究热点,利用深度强化学习技术实现仿真推演中决策过程的智能化,可显著减少人为经验对决策过程的影响,提高推演效率和灵活性.现有基于DRL算法的决策模型,其训练时间过长,算力开销过大,无... 兵棋推演与智能算法融合成为当前军事应用领域的研究热点,利用深度强化学习技术实现仿真推演中决策过程的智能化,可显著减少人为经验对决策过程的影响,提高推演效率和灵活性.现有基于DRL算法的决策模型,其训练时间过长,算力开销过大,无法满足作战任务的实时性需求.本文提出一种基于轻量级深度确定性策略梯度(BN-DDPG)算法的智能推演方法,根据推演规则,采用马尔可夫决策过程描述推演过程中的决策行为,以actorcritic体系为基础,构建智能体训练网络,其中actor网络使用自定义混合二进制神经网络,减少计算量;同时根据经验样本的状态和回报值建立双缓冲池结构,采用环境相似度优先提取的方法对样本进行采样,提高训练效率;最后基于自主研制的仿真推演平台进行实例验证.结果表明,BN-DDPG算法可简化模型训练过程,加快模型收敛速度,显著提高推演决策的准确性. 展开更多
关键词 智能推演 深度强化学习 二值神经网络 自主决策
下载PDF
基于演员-评论家框架的层次化多智能体协同决策方法
6
作者 傅妍芳 雷凯麟 +5 位作者 魏佳宁 曹子建 杨博 王炜 孙泽龙 李秦洁 《兵工学报》 EI CAS CSCD 北大核心 2024年第10期3385-3396,共12页
针对复杂作战环境下多智能体协同决策中出现的任务分配不合理、决策一致性较差等问题,提出一种基于演员-评论家(Actor-Critic,AC)框架的层次化多智能体协同决策方法。通过将决策过程分为不同层次,并使用AC框架来实现智能体之间的信息交... 针对复杂作战环境下多智能体协同决策中出现的任务分配不合理、决策一致性较差等问题,提出一种基于演员-评论家(Actor-Critic,AC)框架的层次化多智能体协同决策方法。通过将决策过程分为不同层次,并使用AC框架来实现智能体之间的信息交流和决策协同,以提高决策效率和战斗力。在高层次,顶层智能体制定任务决策,将总任务分解并分配给底层智能体。在低层次,底层智能体根据子任务进行动作决策,并将结果反馈给高层次。实验结果表明,所提方法在多种作战仿真场景下均取得了较好的性能,展现了其在提升军事作战协同决策能力方面的潜力。 展开更多
关键词 深度强化学习 层次化多智能 信息共享 智能兵棋推演
下载PDF
智能博弈综述:游戏AI对作战推演的启示 被引量:13
7
作者 孙宇祥 彭益辉 +3 位作者 李斌 周佳炜 张鑫磊 周献中 《智能科学与技术学报》 2022年第2期157-173,共17页
智能博弈领域已逐渐成为当前AI研究的热点之一,游戏AI领域、智能兵棋领域都在近年取得了一系列的研究突破。但是,游戏AI如何应用到实际的智能作战推演依然面临巨大的困难。综合分析智能博弈领域的国内外整体研究进展,详细剖析智能作战... 智能博弈领域已逐渐成为当前AI研究的热点之一,游戏AI领域、智能兵棋领域都在近年取得了一系列的研究突破。但是,游戏AI如何应用到实际的智能作战推演依然面临巨大的困难。综合分析智能博弈领域的国内外整体研究进展,详细剖析智能作战推演的主要属性需求,并结合当前最新的强化学习发展概况进行阐述。从智能博弈领域主流研究技术、相关智能决策技术、作战推演技术难点3个维度综合分析游戏AI发展为智能作战推演的可行性,最后给出未来智能作战推演的发展建议。以期为智能博弈领域的研究人员介绍一个比较清晰的发展现状并提供有价值的研究思路。 展开更多
关键词 智能博弈 游戏AI 智能作战推演 智能兵棋 深度强化学习
原文传递
Implementing Semantic Deduction of Propositional Knowledge in an Extension Multi-layer Perceptron
8
作者 HUANG Tian-min,PEI Zheng (Department of Applied Mathematics, Southwest Jiaotong Universi ty,Chengdu 610031,China) 《Chinese Quarterly Journal of Mathematics》 CSCD 2003年第3期247-257,共11页
The paper presents an extension multi-laye r p erceptron model that is capable of representing and reasoning propositional know ledge base. An extended version of propositional calculus is developed, and its some prop... The paper presents an extension multi-laye r p erceptron model that is capable of representing and reasoning propositional know ledge base. An extended version of propositional calculus is developed, and its some properties is discussed. Formulas of the extended calculus can be expressed in the extension multi-layer perceptron. Naturally, semantic deduction of prop ositional knowledge base can be implement by the extension multi-layer perceptr on, and by learning, an unknown formula set can be found. 展开更多
关键词 multi-layer perceptron extension multi-layer perce p tron propositional calculus propositional knowledge buse semantic deduction
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部