排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
针对无人机(UAV)空战环境信息复杂、对抗性强所导致的敌机机动策略难以预测,以及作战胜率不高的问题,设计了一种引导Minimax-DDQN(Minimax-Double Deep Q-Network)算法。首先,在Minimax决策方法的基础上提出了一种引导式策略探索机制;然后,结合引导Minimax策略,以提升Q网络更新效率为出发点设计了一种DDQN(Double Deep Q-Network)算法;最后,提出进阶式三阶段的网络训练方法,通过不同决策模型间的对抗训练,获取更为优化的决策模型。实验结果表明,相较于Minimax-DQN(Minimax-DQN)、Minimax-DDQN等算法,所提算法追击直线目标的成功率提升了14%~60%,并且与DDQN算法的对抗胜率不低于60%。可见,与DDQN、Minimax-DDQN等算法相比,所提算法在高对抗的作战环境中具有更强的决策能力,适应性更好。 相似文献
2.
3.
4.
5.
6.
7.
气相色谱/多级离子阱技术分析汽油烟尘成分 总被引:1,自引:0,他引:1
实验探讨气相色谱/质谱联用技术(GC/MS)、气相色谱/选择离子存储技术(GC/μSIS)和气相色谱/质谱/质谱技术(GC/MS/MS)在93#汽油及其烟尘成分分析中的应用.结果显示,GC/MS获得的谱图信息较全,但谱图复杂、干扰较多,对于含量较低的成分信噪比不够好,容易造成误判;GC/μSIS灵敏度较高,适合于鉴定分子量小、分子结构简单的未燃烧汽油成分;GC/MS/MS即使对于复杂样品也可以达到很高的灵敏度,但要求目标成分具有一定的结构稳定性,更适合汽油燃烧后产物的分析. 相似文献
8.
9.
现有证据推理方法模型结构固定、信息处理方式和推理机制单一,难以适用于集结了不确定、错误甚至缺失等多种不完备信息环境下的目标识别。针对该问题,提出了一种切换推理证据网络(SR-EN)方法。首先,考虑证据节点删除等情况构建多模板网络模型;然后,分析各证据变量与目标类型的条件关联性以建立针对不完备信息的推理规则库;最后,提出基于三种证据输入及修正方式的智能化时空融合推理方法。与传统的证据网络(EN)以及EN与优劣解距离法(TOPSIS)等两种信息修正方法的结合方法相比,SR-EN能够在确保推理时效性的同时实现在多类随机性不完备信息下对空中目标的连续准确识别。实验结果表明,通过对各类不完备信息的有效识别,SR-EN能够实现连续推理过程中证据处理方式、网络结构和节点间融合规则的自适应切换。 相似文献
1