1深度学习算法在武器装备中的应用
深度学习技术基于多层网络的神经网络,能够学习抽象概念,融入自我学习,收敛相对快速。它模仿人脑机制,可以完成高度抽象特征的人工智能任务,如语音识别、图像识别和检索、自然语言理解等,深度学习具有多层的节点和连接,经过这些节点和连接,它在每一个层次会感知到不同的抽象特征,且一层比一层更为高级,这些均通过自我学习来实现。代表项目有DARPA启动的应用于合成孔径雷达“对抗环境下的目标识别与自适应”项目,应用深度学习领域最新研究成果,有望在合成孔径雷达图像中自动定位和识别目标,增强飞行员的态势感知能力。
将深度学习技术应用于武器装备的目标识别和定位,有望实现武器装备的自动目标识别和实时态势感知。采用了包含多个隐藏层的深层神经网络模型,利用隐藏层,通过目标特征组合的方式,逐层将目标信息的原始输入转化为浅层特征、中层特征、高层特征,直至最终实现对目标的定位和作战态势感知。
模式识别是计算机模拟人类感觉器官,对外界产生各种感知能力的技术途径之一,包括语音识别、机器视觉,文字识别等。模式识别技术有助于武器装备获得自动目标识别(ATR)能力。
2模式识别在武器装备中的应用
模式识别中的机器视觉,可通过光学非接触式感应设备,自动接收并解释真实场景的图像以获得系统控制的信息。例如DARPA的“心眼”项目和“图像感知、解析、利用”项目开发的机器视觉系统,具有“动态信息感知能力”,对动态物体的解构,利用卷积神经网络图像识别技术,将图片中的信息转化成计算机的“知识”。在实际作战中,模式识别系统通过观察目标的视频动态信息,借助神经网络、专门的机器视觉硬件,可在复杂的战场环境下,自动识别出潜在威胁,为目标打击提供参考信息。