《指挥与控制学报》9卷2期网刊目录发布,敬请关注!智能概念

【文题】:作战概念及其建模研究综述

【作者】:韩琦,李为民,李宁,李森,郭蓬松,陈文钰

【引用格式】:韩琦,李为民,李宁,等.作战概念及其建模研究综述[J].指挥与控制学报,2023,9(2):123-134

HANQ,LIWM,LIN,etal.Areviewonoperationalconcept&itsconceptualmodeling[J].JournalofCommandandControl,2023,9(2):123-134

【文题】:智能博弈技术军事应用展望

【作者】:马悦,吴琳,郭圣明

【摘要】:为利用智能技术解决现代战争中的意图判断、威胁评估与指挥控制,提高军事决策水平,将军事问题转化为博弈问题,综合利用博弈论和人工智能(artificialintelligence,AI)技术寻求策略均衡解.通过深入剖析游戏智能博弈的最新进展,梳理美军人工智能军事应用项目研究情况,总结常用智能方法的优缺点,分析军事博弈面临的挑战及应对措施,为突破复杂战场环境下高动态不确定的军事智能决策问题提供借鉴.

【引用格式】:马悦,吴琳,郭圣明.智能博弈技术军事应用展望[J].指挥与控制学报,2023,9(2):135-145

MAY,WUL,GUOSM.Theprospectofintelligentgametechnologiesinmilitaryapplication[J].JournalofCommandandControl,2023,9(2):135-145

论文与报告

【文题】:超大预训练模型在指挥控制领域的应用与挑战

【作者】:阳东升,卢经纬,李强,王飞跃

【摘要】:超大预训练模型(largescalepre-trainedmodel,LSPTM)的发展在人工智能领域产生了意想不到的效果,尤其是在自然语言处理(naturallanguageprocessing,NLP)上ChatGPT的突破,似乎打通了“人工智能”的任督二脉,在短短的几个月内,其智能实现了从人类可以理解的智能到无法理解的智能跨越.以ChatGPT为代表的LSPTM即将开启一个全新的硅基智能时代,指挥与控制(commandandcontrol,C2)作为人类社会引以为豪的体现智慧的关键要素,会面临什么样的机遇和挑战?以C2过程的基本范式和

运行基本模式框架为指导,全面分析LSPTM在C2活动的物理域、信息域、认知域以及社会域各方向潜在的应用,阐述硅基智能时代,人工智能从辅助工具角色向伙伴和替代角色的跨越,C2领域发展的机遇.军事领域对抗性C2的竞争不再局限于技术,而是培育LSPTM的文化底蕴,东西方文化与价值观的差异将决定两种不同LSPTM的智慧与智能.

【引用格式】:阳东升,卢经纬,李强,等.超大预训练模型在指挥控制领域的应用与挑战[J].指挥与控制学报,2023,9(2):146-155

YANGDS,LUJW,LIQ,etal.IssuesandchallengesofChatGPT-likelargescalepre-trainedmodelforcommandandcontrol[J].JournalofCommandandControl,2023,9(2):146-155

【文题】:基于强化学习的四旋翼无人机鲁棒协同控制

【作者】:刘昊,赵万兵,高庆,刘德元,吕金虎

【摘要】:基于强化学习方法,解决了异构四旋翼无人机集群的无模型鲁棒最优编队控制问题.考虑每架四旋翼无人机为受到未知动态模型和外部干扰等因素影响下的非线性欠驱系统.提出一种完全分布式观测器,利用局部信息,为无人机集群生成参考信号,以实现期望的飞行编队.基于强化学习方法,在不需要无人机动态信息条件下,设计鲁棒最优位置控制器和鲁棒最优姿态控制器.通过理论分析和仿真验证了所提编队控制算法的有效性.

【引用格式】:刘昊,赵万兵,高庆,等.基于强化学习的四旋翼无人机鲁棒协同控制[J].指挥与控制学报,2023,9(2):156-163

LIUH,ZHAOWB,GAOQ,etal.Robustcooperativecontrolforquad-rotorunmannedhelicoptersbasedonreinforcementlearning[J].JournalofCommandandControl,2023,9(2):156-163

【文题】:网络化航天器弹性姿态跟踪控制

【作者】:于洋,陈哲,袁源

【摘要】:针对网络化航天器姿态弹性跟踪控制问题,借鉴主动抗干扰控制思想,设计攻击检测机制对控制器端到执行器端网络攻击进行监测,利用网络通道传输信息设计两个自适应观测器,在抑制内部噪声的同时对外界扰动及恶意攻击信号进行实时估计.采用多前馈与反馈相结合的方式设计复合抗干扰及抗攻击控制器,抵消扰动及攻击对系统性能的影响,提升网络化航天器系统的安全性及稳定性.

【引用格式】:于洋,陈哲,袁源.网络化航天器弹性姿态跟踪控制[J].指挥与控制学报,2023,9(2):164-174.

YUY,CHENZ,YUANY.Resilientattitudetrackingcontrolofnetworkedspacecrafts[J].JournalofCommandandControl,2023,9(2):164-174

【文题】:面向作战任务规划的信息主动推荐服务

【作者】:陈皖玉,蔡飞,陈洪辉,张维明

【引用格式】:陈皖玉,蔡飞,陈洪辉,等.面向作战任务规划的信息主动推荐服务[J].指挥与控制学报,2023,9(2):175-181

CHENWY,CAIF,CHENHH,etal.Anintelligentinformationrecommendationserviceforcombattaskplanning[J].JournalofCommandandControl,2023,9(2):175-181

【文题】:知识与数据互补的战术级兵棋行为决策框架设计与实现

【作者】:刘满,张宏军,程恺,郝文宁,王之腾

【摘要】:战术级兵棋以随机的方式模拟战争中的动态过程,能够为军事智能决策技术提供贴近真实战争的决策背景和试验环境.提出了知识与数据互补的行为决策框架,用于兵棋多实体的指挥控制.该框架一定程度上解决了传统基于知识推理决策中行为模式固定、迁移能力不强的缺点,也解决了基于兵棋数据挖掘的软决策算法对大量人类高质量复盘数据的需求,将知识、数据与学习的方法综合起来,形成基于知识推理的决策算法处理宏观动作,基于数据挖掘的软决策算法处理微观动作,通过自对抗复盘数据进行迭代学习,提升决策模型能力.基于该框架,设计并实现了一个兵棋人工智能(artificialintelligence,AI),该兵棋AI在全国性智能兵棋比赛中取得较好成绩,并体现出灵活性高、泛化性好的特性.

【引用格式】:刘满,张宏军,程恺,等.知识与数据互补的战术级兵棋行为决策框架设计与实现[J].指挥与控制学报,2023,9(2):182-191

LIUM,ZHANGHJ,CHENGK,etal.Frameworkdesignandapplicationfortactical-levelwargamebehaviordecision-makingbasedoncomplementaryknowledgeanddata[J].JournalofCommandandControl,2023,9(2):182-191

【文题】:分布式作战条件下陆战场智能信息系统设计

【作者】:王军,张雄涛,赵兴利,钟正仪,朱晓敏

【摘要】:聚焦陆战场信息系统设计问题,结合分布式计算最新成果,基于“云网端”融合理念,构建了一套适用于分布式战场节点和智能需求的信息系统架构.针对所构建架构中,智能应用和智能性提升的关键需求,综合分布式陆战场节点资源受限、任务多样等特点,在分层联邦学习基础上,依据资源状况进行自适应调整,提供资源开销和智能提升相均衡的使用途径.经实验验证,该架构和方法效果良好,更能适应分布式条件下陆战场节点智能性需求.

【引用格式】:王军,张雄涛,赵兴利,等.分布式作战条件下陆战场智能信息系统设计[J].指挥与控制学报,2023,9(2):192-203

WANGJ,ZHANGXT,ZHAOXL,etal.Landbattlefieldintelligentinformationsystemdesignunderdistributedoperationconditions[J].JournalofCommandandControl,2023,9(2):192-203

【文题】:基于多重虚拟力控制的无人机覆盖编队分簇算法

【作者】:汪镇涛,李大鹏,丁良辉,杨锦彬

【摘要】:针对飞行自组网(flyingad-hocnetwork,FANET)在区域覆盖中的应用,提出一种基于多重虚拟力控制的三阶段编队分簇算法以同时维持高覆盖和高连通性.应用虚拟力算法,设计了基于四重虚拟力的移动控制策略来动态管理机间距离.此策略部署在被划分为3个阶段的覆盖任务中.结合此策略设计了一种编队分簇算法,解决了FANET网络管理困难的问题.通过仿真对比验证,所提算法相较于传统算法在覆盖率和连通性上更加有效实用.

【引用格式】:汪镇涛,李大鹏,丁良辉,等.基于多重虚拟力控制的无人机覆盖编队分簇算法[J].指挥与控制学报,2023,9(2):204-214

WANGZT,LIDP,DINGLH,etal.ClusteringalgorithmofUAVcoverageformationbasedonmultiplevirtualforcecontrol[J].JournalofCommandandControl,2023,9(2):204-214

【文题】:基于神经网络辅助的智能人员排班系统

【作者】:陈子夷,豆亚杰,姜江,杨克巍,谭跃进

【摘要】:为快速获得优质的排班表,设计了结合深度神经网络和分支定界法的智能人员排班系统.介绍人员排班问题的特点和难点;构建问题的整数规划模型;提出基于深度神经网络辅助的分支定界法,通过学习现有的已知最优解的人员排班问题,在分支定界的每一步作出合理的分支选择和修剪.该方法是使用深度学习方法解决组合优化问题的一种创新尝试,实验部分针对不同的参数设置和标准实例集合验证了该方法的可行性.

【引用格式】:陈子夷,豆亚杰,姜江,等.基于神经网络辅助的智能人员排班系统[J].指挥与控制学报,2023,9(2):215-224

CHENZY,DOUYJ,JIANGJ,etal.Intelligentpersonnelschedulingsystembasedonneuralnetworkassistance[J].JournalofCommandandControl,2023,9(2):215-224

【文题】:全域作战指挥信息系统总体架构及核心支柱

【作者】:吉祥,蒋锴,成海东

【摘要】:面向全域作战要求,分析战争新形态、指挥控制新范式、技术新推动,提出全域作战指挥信息系统的基本要素、应用架构以及关键能力;围绕全域作战指挥信息系统构建,提出五大核心支柱,即开发、安全和运维一体化(development,security,andoperations,DevSecOps)、人工智能、数字建模、试验仿真、泛在网络;针对具体支柱,阐述其在全域作战指挥信息系统中的作用,并给出支撑能力形成的关键性措施.

【引用格式】:吉祥,蒋锴,成海东.全域作战指挥信息系统总体架构及核心支柱[J].指挥与控制学报,2023,9(2):225-232

JIX,JIANGK,CHENGHD.Architectureandcorepillarsofalldomainoperationcommandandcontrolsystem[J].JournalofCommandandControl,2023,9(2):225-232

短文

【文题】:空空导弹单机发射和合作发射中的F/A极

【作者】:高劲松,赵宝奇,邓森,颜从武,武梦洁

【摘要】:F极(F-pole,又称命中距离)和A极(A-pole,又称脱离距离)是体现机载空空导弹火控系统战术技术指标的6个典型攻击距离中的两个.介绍单机发射和合作发射时的F/A极的概念,比较单机发射和合作发射过程,分析影响F/A极大小的因素.认为:尽管单机发射和合作发射的过程是不同的,但是二者的F/A极定义是相同的,而且单机发射和合作发射有一定联系,当满足一定条件时,单机发射可以向合作发射演化,且能获得与合作发射相同的F/A极;另外,影响F/A极大小的诸多因素在单机发射和合作发射这两种形式下可能会产生不同的结果.

【引用格式】:高劲松,赵宝奇,邓森,等.研究单机发射和合作发射中的F/A极[J].指挥与控制学报,2023,9(2):233-237

GAOJS,ZHAOBQ,HUJL,etal.Air-to-airmissileF/A-poleinsingle-planelaunchandcooperativelaunch[J].JournalofCommandandControl,2023,9(2):233-237。

【文题】:多营区协同的智慧营区体系化设计

【作者】:古英汉,孟菊,王怀龙,王峰

【引用格式】:古英汉,孟菊,王怀龙,等.多营区协同的智慧营区体系化设计[J].指挥与控制学报,2023,9(2):238-244

GUYH,MENGJ,WANGHL,etal.Systematicdesignofsmartcampswithmulti-campcoordination[J].JournalofCommandandControl,2023,9(2):238-244

THE END
1.主动学习(十二)——可复现的主动学习(cvpr2022)迄今为止的大部分主动学习都只采用了最简单的数据增广方式,也就是随机翻转这类。其中,主动学习与强数据增广兼容的问题已经在主动学习(七)——强数据增强遇上主动学习(LADA)这篇文章中聊过,这篇文章提出来的也是一个可以兼容大部分现有主动学习算法的插件,所以这个问题大概算是部分解决。另外的两个还没见到有关的https://zhuanlan.zhihu.com/p/573531562
2.人工智能论文综述深度学习与算法创新在AI研究中的应用人工智能论文综述:深度学习与算法创新在AI研究中的应用 人工智能的发展历程 ai论文综述显示,人工智能从早期的规则系统、符号处理到现代深度学习和机器学习,其发展路径由此可见。人工智能技术的进步不仅促进了计算机科学领域的飞跃,也对经济社会产生了深远影响。 深度学https://www.9e80wtu09.cn/zhi-neng/386956.html
3.自然语言强化学习:一个可处理语言反馈的强化学习框架详情请见:大模型2.0读书会:融合学习与推理的大模型新范式! 推荐阅读 1.Nat. Mach. Intell. 速递:测试用于预测人类语言判断的自然语言模型的极限 2.Nat. Mach. Intell. 速递:大规模网络控制的高效和可扩展的强化学习 3.因果科学 x Agents:如何让AI更好地理解因果?|TMLR (2023) 因果强化学习最新综述 https://hub.baai.ac.cn/view/41851
4.AI在自然语言处理中的突破:从理论到应用腾讯云开发者社区自然语言处理(Natural Language Processing,NLP)是人工智能(AI)的一个重要分支,旨在实现计算机与人类语言的交互。近年来,随着深度学习和大规模语言模型的发展,自然语言处理取得了显著突破,从理论研究到实际应用,推动了多个领域的进步。本文将介绍NLP的核心技术及其突破,并通过代码示例展示其应用。 https://cloud.tencent.com/developer/article/2479408
5.人工智能技术栈深度解析从基础算法到前沿应用作为人工智能的基石之一,计算机科学提供了理解数据、编写代码以及构建复杂系统所需的理论框架。学习计算机科学意味着掌握数据结构、算法设计、操作系统原理等核心概念。在这些基础知识上建立起来,将有助于理解后续学习的人工智能模型及其工作原理。 机器学习与深度学习 https://www.xstkmqmgl.cn/shu-ma/98601.html
6.解析人工智能三大算法机器学习深度学习与强化学习的核心之旅解析人工智能三大算法:机器学习、深度学习与强化学习的核心之旅 人工智能三大算法是现代计算机科学领域中的重要组成部分,它们分别是机器学习、深度学习和强化学习。每种算法都有其独特的特点和应用场景,共同推动了人工智能技术的发展。 机器学习:数据驱动的革命 机器学https://www.fmovhaqkz.com/shou-ji/530948.html
7.算法干货主动学习算法学习笔记主动学习方法被提出以有效地处理这类问题。主动学习(Active Learning)是指通过自动的机器学习算法,从数据集中自动筛选出合适的候选集给人工标注的过程。有效的主动学习数据选择策略可以有效地降低训练的代价并同时提高模型的识别能力。在主动学习中,学习器能够主动地选择包含信息量大的未标注样例并将其交由专家进行标注,然https://developer.aliyun.com/article/1177917
8.主动学习(ActiveLearning)简介综述汇总以及主流技术方案从上图也可以看出来,在相同数目的标注数据中,主动学习算法比监督学习算法的分类误差要低。这里注意横轴是标注数据的数目,对于主动学习而言,相同的标注数据下,主动学习的样本数>监督学习,这个对比主要是为了说明两者对于训练样本的使用效率不同:主动学习训练使用的样本都是经过算法筛选出来对于模型训练有帮助的数据,所以效https://blog.csdn.net/2401_84495725/article/details/139475484
9.主动学习算法综述摘要: 主动学习算法作为构造有效训练集的方法,其目标是通过迭代抽样,寻找有利于提升分类效果的样本,进而减少分类训练集的大小,在有限的时间和资源的前提下,提高分类算法的效率.主动学习已成为模式识别、机器学习和数据挖掘领域的研究热点问题.介绍了主动学习的基本思想,一些最新研究成果及其算法分析,并提出和分析了有待进https://d.wanfangdata.com.cn/periodical/jsjgcyyy201234001
10.小样本学习及其在美团嘲中的应用一个数据人的自留地除了上面提到的三种场景, 还有一种是,如何在有限的标注成本中选择更有针对性的样本进行人工标注(主动学习)。因此我们将小样本学习划分为下面几种: 图2 小样本学习相关工作 2 方法综述 预训练语言模型?BERT?,在NLP许多任务中取得非常好的结果。BERT是基于Transformer的深度双向语言表征模型,利用Transformer结构构造https://www.shangyexinzhi.com/article/4900642.html
11.基于生理信号的情感计算研究综述(二)之情感计算中的机器学习包括生理信号的采集、预处理、特征提取、特征平滑、特征融合、模型训练与测试等. 然后重点介绍了为解决情感计算任务中个体差异的迁移学习方法, 减少标注数据量的主动学习方法, 以及基于深度学习的生理信号的深层情感表示和多模态生理信号的特征融合等相关算法. 最后介绍了两个在基于脑电信号的情感计算中广泛使用的公开数据https://www.4008489789.com/newsinfo/1809711.html
12.单评丨佳能EOSR5MarkII002 智能AI算法(深度学习技术) 得益于此次新处理器的加入,R5 Mark II也进一步加入了智能AI算法功能,尤其是在对焦方面,基于智能AI算法能够大幅提升对物体的识别、追踪性能,并且能够进一步捕捉被摄体的动作、特征等来进行持续的追踪对焦,且保持对焦的高精度。 https://www.360doc.cn/article/50323889_1131095639.html
13.算法“黑箱”中的青年由此,本研究将基于北京地区高校在读大学生群体,调查他们在新媒体实践中所生成的算法意识、算法态度以及算法操纵行为,以期基于用户视角,呈现大学生群体与平台算法之间博弈的情景。 二、文献综述 1.算法意识与算法态度:用户对于平台算法的感知 作为算法的使用者,用户在使用算法的过程中,会通过自身经验以及对算法的了解,https://www.huxiu.com/article/620239.html
14.论文开题报告2、论文综述/研究基础。 传统绘画和摄影艺术作为具备文化价值和审美价值的符号,是大众获取艺术知识、培养美学理念的重要源泉之一。近几十年来,随着文化需求的增长,为摄影艺术提供了更加广阔的发展空间。最初的摄影家主要对客观世界进行重现和描绘,之后逐渐注重对自身内在思想的剖析和探讨,在转变的过程中一些视觉表现形式也https://www.wenshubang.com/baogao/3043006.html
15.FCS期刊动态《计算机科学前沿》2021年第一期精彩文章—论文—科学网【FCS 人工智能专栏】基于点态流形正则化的半监督学习 2021 15(1):151303 Frontiers of Computer Science (FCS)是由教育部主管、高等教育出版社和北京航空航天大学共同主办、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊,双月刊,全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。https://news.sciencenet.cn/htmlpaper/2021/4/202142112434356462946.shtm
16.国际TOP10药学期刊文章信息(2023年10月)14. 利用大数据和机器学习算法提取神经发育障碍的可能治疗靶点 (Use of big data and machine learning algorithms to extract possible treatment targets in neurodevelopmental disorders) 作者:Muhammad Ammar Malik, Jan Haavik* (Computational Biology Unit, Department of Informatics, University of Bergen, Norwayhttps://www.ctdm.org.cn/.php?s=/Meeting/metDynamicById/id/68ef8a5ecf3143fc9c6096903dad2b87/meetingid/365e19d34eb54caeaa6e974e66b82c15
17.科学技术与工程杂志中国技术经济学会主办2018年第01期果蝇优化算法研究综述 关键词:果蝇优化算法 改进策略 应用研究 果蝇优化算法(FOA)是一种新兴的群体智能算法,其思想来源于果蝇群体觅食行为。为进一步推广应用FOA并为深入研究该算法提供相关资料,在分析FOA基本原理和优缺点的基础上,从FOA各种改进技术及其应用等方面进行深入调查,论述了该算法的改进策略,并阐述了FOA在复https://www.youfabiao.com/kxjsygc/201801/
18.总目录∣工程科学学报2021—2022年10.基于S-LRCN的微表情识别算法 李学翰,胡四泉,石志国,张明 工程科学学报, 2022, 44(1): 104 3.基于机器学习的边坡安全稳定性评价及防护措施 武梦婷,陈秋松,齐冲冲 工程科学学报, 2022, 44(2):9.神经网络在无人驾驶车辆运动控制中的应用综述 张守武,王恒,陈鹏,张笑语,李擎 工程科学学报, 2022,https://cje.ustb.edu.cn/news/index_tabliod/0625b272-7c19-4c66-bcce-c01ab4a2dbf8.htm
19.跨领域文本分类算法研究2)提出了新的多领域主动学习问题。与传统主动学习问题不同,多领域主动学习研究的是如何从多个领域中选择全局最优数据进行标注,从而节约人力标注资源。针对该问题,本文提出了一个基于支持向量机全局最优化的多领域主动学习算法(Multi-Domain Active Learning,MultiAL),并结合三个重要的分类应用对提出的算法进行了实验验证https://wap.cnki.net/touch/web/Dissertation/Article/-1013016966.html
20.主动学习在图像分类技术中的应用:当前状态与未来展望本文对近年来提出的主动学习图像分类算法进行了详细综述,并根据所用样本数据处理及模型优化方案,将现有算法分为三类:基于数据增强的算法,包括利用图像增广来扩充训练数据,或者根据图像特征插值后的差异性来选择高质量的训练数据;基于数据分布信息的算法,根据数据分布的特点来优化样本选择策略;优化模型预测的算法,包括优化获https://www.elecfans.com/d/6345703.html
21.网络空间安全中的人工智能技术综述和机器学习分类方法区队恶意软件进行分类和检测的框架;H.Hashemi[8]等人使用K近邻和支持向量机作为机器学习分类器来检测位置恶意软件;Y.Ye[9]等人构建了一个深度学习架构来检测智能恶意软件;N.McLaughlin[10]等人采用了深度卷积神经网络来识别恶意软件;H.J.Zhu[11]等人定义了一种新的机器学习算法,叫做旋转森林,以http://528045.com/article/d34389b553.html
22.名师工作室年度总结(通用24篇)我在学习的同时注重联系实际,把先进的理念做法搬进课堂,随时反思,积极撰写教育随笔,做好读书卡;本学年撰写的《算法多样化的误区及其对策》获省优秀论文二等奖,《在自主探索中主动学习》发表于省级刊物《读写算》20xx第18期;《算法多样化的误区及其对策》发表于省级刊物《新课程》20xx.03;《猜疑,一朵雨做的云》发表https://www.yjbys.com/gongzuozongjie/niandu/4117270.html
23.名师工作室工作总结(20篇)我在学习的同时注重联系实际,把先进的理念做法搬进课堂,随时反思,积极撰写教育随笔,做好读书卡;本学年撰写的《算法多样化的误区及其对策》获省优秀论文二等奖,《在自主探索中主动学习》发表于省级刊物《读写算》20xx第18期;《算法多样化的误区及其对策》发表于省级刊物《新课程》20xx。03;《猜疑,一朵雨做的云》发表https://www.yuwenmi.com/fanwen/gongzuo/4242691.html