第1章 轨道智能预报技术
1．1 轨道预报技术概述
1．1．1 天基节点轨道预报技术现状
1．1．2 轨道数学模型分析
1．2 深度神经网络发展现状
1．2．1 递归神经网络
1．2．2 长短时记忆神经网络
1．3 太空信息网络天基节点轨道预报模型优化
1．3．1 长短时记忆神经网络预报基本思路
1．3．2 长短时记忆神经网络预报模型优化
1．3．3 长短时记忆神经网络天基节点轨道预报流程
1．3．4 天基节点轨道预报实验分析
1．4 太空信息网络天基节点轨道预报评估框架
1．4．1 天基节点预报评估框架
1．4．2 天基节点轨道预报对比评估标准
1．4．3 长短时记忆神经网络改进前后对比评估
1．4．4 数学模型与神经网络预报对比评估
1．4．5 预报误差置信度评估
参考文献
第2章 太空态势呈现技术
2．1 太空态势呈现技术概述
2．1．1 天基节点态势呈现技术现状
2．1．2 卷积神经网络
2．1．3 裸眼三维呈现基本方法
2．2 基于卷积神经网络的裸眼三维视差图生成模型
2．2．1 模型构建
2．2．2 选择层重构原理
2．3 裸眼三维成像效果分析
2．3．1 模型计算设置
2．3．2 定量分析
2．3．3 定性分析
参考文献
第3章 聚集态势认知技术
3．1 聚集态势认知技术基础
3．1．1 传统视频群体异常行为识别的研究现状
3．1．2 基于深度学习的视频行为识别研究现状
3．2 战场聚集行为智能识别
3．2．1 战场聚集行为特性分析
3．2．2 基于深度学习的战场聚集态势认知模型
3．3 基于多尺度特征融合的战场聚集态势认知方法
3．3．1 战场聚集态势认知概述
3．3．2 基于多尺度特征融合的三维卷积神经网络
3．3．3 作战目标聚集行为数据集构建与防止过拟合策略
3．3．4 实验与分析
3．4 轻量化战场聚集态势认知方法
3．4．1 高效率深度学习模型
3．4．2 轻量化聚集态势认知算法
3．4．3 实验与结果分析
3．4．4 面向作战仿真系统的战场聚集行为实时识别平台的实现
参考文献
第4章 智能序列规划算法
4．1 智能序列规划概述
4．1．1 多智能体序列决策研究现状
4．1．2 马尔可夫决策理论
4．2 基本概念及作战仿真系统智能化分析
4．2．1 基本概念
4．2．2 任务级作战仿真系统智能化分析
4．2．3 仿真装备实体的行为策略自动生成
4．3 基于模型的多智能体离线规划算法
4．3．1 理论基础
4．3．2 蒙特卡洛Q值函数
4．3．3 QMC的收敛性证明
4．3．4 基于QMC的离线规划算法
4．4 基于模型的多智能体在线分布式规划算法
4．4．1 理论基础
4．4．2 分布式蒙特卡洛树搜索方法
4．4．3 算法复杂度分析
4．4．4 算法性能比较
4．5 无模型的深度多智能体强化学习算法
4．5．1 深度多智能体强化学习的几个难点问题
4．5．2 深度多智能体强化学习算法
4．5．3 基准测试环境和超参数设置
4．5．4 算法性能分析
参考文献
第5章 智能机动规划技术
5．1 智能机动规划技术概述
5．1．1 发展背景及意义
5．1．2 研究现状
5．2 基于深度强化学习的作战仿真实体决策框架
5．2．1 基本概念
5．2．2 作战仿真实体决策行为框架
5．2．3 基于深度强化学习的作战仿真实体决策过程构建
参考文献
展开
