搜索
神经网络的基本特征及其在战斗识别领域的应用前景简介—神经网络原理及应用报告课程名称：神经网络原理及应用课程编号：指导教师：学院：班级：姓名：学号：日期：神经网络的基本特征及其在战斗识别领域的应用前景简介摘要：在未来的军事对抗上，对军事打击的物理距离越来越大，对打击的反应时间的要求越来越短，对打击的精度要求越来越高。在这种情况下，迅速且精确的敌我识别系统显得尤其重要。传统的战斗识别方式早已遇到了瓶颈，而神经网络因为它在信息、信号处理、模式识别方面有些独到之处，近年来受到各国军界的普遍重视。关键词：军事,战斗识别,模式识别,敌我识别,神经网络1引言众多科学家预言，21世纪将是“生物”世纪。这说明生物学的研究和应用已进入了空前繁荣的时代。神经网络系统理论就是近十多年来受其影响而得到飞速发展的一个世界科学研究的前沿领域。这股研究热潮必然会影响到军事技术的研究。在现代战争中，因为远程制导武器的广泛应用，绝大多数军事打击都不再依靠肉眼来辨析敌我，战场上的敌我识别变成了一个重要的问题。据统计，1991年的海湾战争期间，美军与友军之间的误伤比例高达24%；在伊拉克战争期间，共发生17起误伤事件，死18人，伤47人。两场战争的伤亡结果表明，单一的敌我识别武器已不能适应现代战争复杂的作战环境和作战要求。所以提高军队战斗识别的效率是现代军事科技研究中一个极其重要的课题。神经网络作为新的热门技术，必然受到军事研究学者们的青睐。本文只选取战斗识别这一领域，简要探讨神经网络技术在战斗识别领域中的应用前景，但求管中一窥，抛砖引玉。2神经网络简介2.1神经网络的历史神经网络的研究可以追溯到上个世纪的1890年。但真正展开神经网络理论研究却始于本世纪40年代。1943年，有心理学家McCulloch和数学家Pitts合作提出了形式神经元的数学模型——MP模型，从此开创了神经网络理论研究的新时代。MP模型以集体并行计算结构来描述神经网络及网络的运行机制，可完成有限的逻辑运算。1949年，Hebb通过对大脑神经的细胞、人的学习行为和条件反射等一系列研究，提出了改变神经元连接强度的Hebb规则。这一理论在各种神经网络模型中起着重要的作用，且在生理解剖学上得到的证实。1957年，Rosenblatt引进了感知器概念，给出了两层感知器的收敛定理，建立了第一个真正的神经网络。感知器由阈值性神经元组成，试图模拟动物和人脑的感知和学习能力。1961年，Widrow和Hoff创立了用于自适应控制系统的连续取值的线性网络。这种线性网络可由硬件实现。这一研究成果引起了不少科学家的兴趣，也带来了很大的争论。此后，Minsky和Paper又从数学上深入研究了以感知器为代表的神经网络系统的功能和它的局限性后，以一个异或运算的例子，对神经网络提出质疑，致使神经网络的研究步入低谷期。但仍有一些卓越的学者在此低弃的七分钟，锲而不舍、难能可贵地坚持这一领域的研究。有Grossberg、Kohonrn、FuKushima、Anderson和Webos等学者分别提出了自适应共振理论、自组织映射论、神经认识机网络理论、BSB模型和BP理论等，从而为神经网络的发展奠定了坚实的理论基础。1982年起，神经网络的研究重又进入了新的发展期。Hopfield提出了具有联想记忆的反馈互联网络，引入了“计算能量函数”的函数，给出了网络稳定性的判据。Hinton和Sejnowski运用了统计物理学概念和方法，得出多层网络的学习方法（学习过程中的模拟退火技术），保证整个系统的全局稳定。Rumelhart和Meclelland提出PDP（并行分布处理）理论，对认识微观结构进行了探索，同时发展了多层网络的BP算法。1988年，美国的Chua提出了细胞神经网络模型，它是一个大规模的非线性模拟系统，具有细胞自动机的动力学特性。至此，神经网络的研究已经在世界各国广泛展开，尤其是近几年来，神经网络理论已引起了美国、英国、日本和欧洲等发达国家科技界的极大关注。国际神经网络学会和IEEE已多次召开神经网络国际学术年会，并一致认为神经网络的发展会带来重大科研成果和应用前景。2.2神经网络的基本原理人工神经网络是对人和动物神经网络的某种结构和功能模拟。人和动物神经网络的基本组成单元是神经元（如图1所示）。它包括了细胞体，轴突，树突，突触等元件。对于从同一时间从不同树突输入的神经冲动，神经细胞均可加以综合处理，处理结果可使细胞膜电位升高；当膜电位升高到一个阈值（约40mV），细胞进入兴奋状态，产生神经冲动，并由轴突输出神经冲动；当输入的冲动减小，综合处理的结果使膜电位下降，当降到地狱阈值时，细胞转入抑制状态，此时无神经冲动输出。“兴奋”和“抑制”，神经细胞必呈其一。突触界面具有脉冲/电位信号转换功能，即类似于D/A转换功能。沿轴突和树突传递的是等幅、恒宽、编码的离散电脉冲信号。细胞中膜电位是连续的模拟量。神经冲动信号的传导速度在1~150m/s之间，随纤维的粗细、髓鞘的有无而不同。神经细胞的重要特点是具有学习功能并有遗忘和疲劳效应。总之，随着对生物神经元的深入研究，揭示出神经元不是简单的双稳逻辑元件而是微型生物信息处理机和控制机。就目前的理论水平、制造水平和应用水平，人工神经元上不可能是对人脑神经网络的全部真实模拟，只能是对人脑神经网络有选择的、单一的、简化的构造和性能模拟，从而形成了不同的功能，多种类型的，不同层次的神经网络模型。人工神经王阔的基本组成单元是神经元。神经元的原理结构模型如图2。图1神经元结构神经元一般是多输入、单输出的非线性元件。大量的神经元连接在一起，就形成了神经网络，即神经网络的互联结构。神经网络的互连结构大致有四种类型。（1）无反馈网络神经元分层排列。第一层为输入层，其次是若干中间层，最后一层为输出层。每一层神经元只接受前一层神经元的输入，而与本层的神经元和后一层的神经元无输出关系。输入此您好经过逐层模式转换后，最终由输出层输出。（2）有反馈网络神经元分层排列，但与前者不同的是，输出层的一些神经元其输出又反馈给前面的输入层。（3）层内各神经元之间有交互输入、输出的网络同层内的神经元间有信息互通，这样可横向控制层内个神经元的抑制和兴奋状态，从而实现更灵活、更复杂的控制机制。（4）互联型网络网络中任两神经元之间都可能有输入、输出的互联。这种网络十分复杂信号的传递四通八达，信号在神经元之间反复往复传递，这样就可能使网络进入震荡或混沌状态，也有可能经过数次变化而达到稳定的平衡。前述的两种网络可视为互联型网络的某种简化网络。3战斗识别与神经网络3.1战斗识别简介战斗识别，美军的定义是：在较短时间内和一定距离外准确地区分友军、敌军和中立方军队。战斗识别的发展与战争形态的演变密切相关。目前的战斗识别方式主要有平台式识别、平台外识别和综合识别三种识别方式。平台式识别的主要特点是战斗识别系统与射击平台一体化。系统由两部分组图2人工神经元结构模型成：第一部分直接用以识别未知目标，称为直接分系统；第二部分是向用户提供潜在目标的信息，称为间接分系统。直接分系统又分为两种：一种是协同式目标识别，需要目标与其合作；另一种是非协同式目标识别，不需要目标合作，如探测雷达。平台外识别与平台式识别不同之处在于：设计平台不需要安装战斗识别系统，只是利用安装在设计平台外的装备和识别系统，检验来自众多信息源的目标信息，通过对目标信息的分析处理，实现对目标属性的判别，然后将目标属性信息提交射手。综合识别系统是把平台式目标识别和平台外目标识别综合起来，集成基于不同技术体系的信息获取系统（包括目标反射、辐射信息，建立与目标的信息交换通道等），以实现目标属性的最终判别。未来的战斗识别系统将是分布式的战斗识别系统，可将空中和地面的所有装备连接在一起，形成前所未有的态势感知能力，将极大提高作战效能。3.2神经网络在未来战争中的重要地位众所周知，包括指挥（Command）、控制（Control）、通信（Communication）与情报（Information）的C3I是现代化战争的主要组成部分。举世瞩目的海湾战争在经历了多国部队38天的电子干扰、卫星侦察、计算机破译侦听和猛烈而有效的空袭后，仅用100小时的地面站就取得了战争的全面胜利，为未来战争的特征提供了一个良好的范例。实际上，在以电子信息为代表的高科技迅猛发展的今天，战场的胜负主要决定于双方综合力量的对比，其中迅速而可靠的信息传输和正确而有效的信息处理更是去的战争主动权的关键因素。所以，表征计算技术（Computation）和通信技术（Communication）的C&C，已经是未来军事技术中一个密不可分的整体。换言之，当前的军事通信和现行的计算机技术紧密相连。但是，由于以串行集中方式按预先编好程序进行累加计算的VonNeumann型计算机，在处理诸如图像识别、自然语言理解一类问题时，由于规则推理解释的串行性和非确定性本质，以及大铜梁知识库顺序检索匹配的处理时间呈指数级爆炸，因而远远不如哪怕是只有两三岁婴儿的智能。现行计算机的这种本质性的弱点，限制它在错综复杂、讯息万变的现代战争中的作用。有人估计，利用现有技术手段，只能收集到军事信息的1~10%。而神经网络计算机具有下面一些特点，使它能在未来的军事信息传输和处理中，发挥不可估量的巨大作用。（1）巨量并行分布式处理方式（2）信息存储和信息处理合二为一，能由局部信息恢复出全局信息（3）具有从例子（即经验）进行自组织学习的能力（4）具有非环境变化自适应调节能力（5）适合于处理模拟的、模糊的和随机的输入信息（6）具有良好的容错能力（7）以实时地给出满意解的方式来处理众多的智能性问题3.3神经网络在战斗识别中的应用前景我们知道，当1946年美国宾夕法尼亚大学用18000多个电子管研制成世界上第一台VomNeumann型计算机时，它的用途限于数字积分计算。可是当计算机技术进一步发展后，在国防军事部门就得到了极其广泛的应用。在1991年初的海湾战争中，美国在军事通信分析截取道德对方密码信息、控制指挥和后勤支持等方面都大量地使用了现行VonNeumann型计算机，为取得战争胜利，减少人员伤亡做出了巨大贡献。因此，我们不难预计，一旦神经网络和神经计算机技术得到进一步发展后，它在智能信息处理方面的巨大优越性，定能使它在未来的军事技术中，特别是战斗识别中，具有现行VonNeumann型计算机所不能达到的重要价值和地位。3.4神经网络应用于模式识别以提升战斗识别水平人类在长期的生活实践和科学研究中，逐渐积累起来了通过感觉器官辨别不同事物的能力。例如颜色、形状、质地以及各部分的结构关系等。人类之所以可以进行这种识别，重要原因是各事物具有不同的特征。像这样用事物的特征所构成的数据结构就成为相应的事物的模式，或者说模式就是对食物定量的火结构的描述。人们通过模式感知外部世界的各种食物，这是获得只是、概念和做出反应的基础，是一种思维和抽象的过程。而在人工智能或信息科学范畴内，模式识别是指用数学、物理的方法和技术实现对模式的自动处理、描述、分类和解释，目的在于用及其部分实现人的这种智能活动。战斗识别，从本质意义来讲，也是数以一种广义的的模式识别。通过收集目标的各种情报，由计算机做出采样和修正，交给指挥阶层做出决策，然后再下达命令，最后实现对目标的识别。而神经网络在其间的应用，是为了通过计算机中的神经网络对目标实行高效率且精确的自识别。由于神经网络具有学习性和遗忘性，其总能实时更新战场动态，能根据以往积累的经验分析出当前最可能的态势，从而做出最贴近实际情况的战斗识别。4从邻近空间平台与空天飞机在未来战争中的协同作用看神经网络对战斗识别的作用邻近空间（Near-space）是坤宁宫天一体化作战的重要战略领域，处于传统的空天之间，其下面的区域通常称为“天空”，是传统航空器的主要活动空间；其上的空域就是“太空”，是航天器的运行空间。在邻近空间中部署军事装备，向上可威胁天基平台，向下可攻击航空器等空基平台，甚至地面目标，并可以以相对较低的成本完成通信、遥测、情报、侦查和监视等各种军事任务。在