Меню журнала
> Архив номеров > Рубрики > О журнале > Авторы > Требования к статьям > Редсовет > Рецензенты > Порядок рецензирования статей > Политика издания > Этические принципы > Правовая информация
Журналы индексируются
Реквизиты журнала

В погоне за двумя зайцами поймай обоих сразу!
34 журнала издательства NOTA BENE входят одновременно и в ERIH PLUS, и в перечень изданий ВАК
При необходимости автору может быть предоставлена услуга срочной или сверхсрочной публикации!
ГЛАВНАЯ > Вернуться к содержанию
Интеллектуальные методы распознавания тактических ситуаций в условиях автономного применения робототехнических комплексов военного назначения
Чиров Денис Сергеевич

доктор технических наук

Заместитель начальника, научно-исследовательский центр, ФГБУ "Главный научно-исследовательский испытательный центр робототехники" Минобороны России

141411, Россия, г. Москва, ул. Синявинская, 11

Chirov Denis Sergeevich

Doctor of Technical Science

Deputy Head of the Research and Development Centre of the Main Robotics Research and Test Centre of the Ministry of Defence of the Russian Federation

141411, Russia, Moscow, ul. Sinyavinskaya, 11

den-chirov@yandex.ru
Хрипунов Сергей Петрович

доктор технических наук

руководитель проекта, Фонд перспективных исследований

119330, Россия, г. Москва, Университетский проспект, 12

Hripunov Sergei Petrovich

Doctor of Technical Science

Head of Project at the Advanced Research Foundation

119330, Russia, Moscow, ul. Universitetskii Prospekt, 12

hsp61@yandex.ru
Аннотация. В статье рассматриваются проблемные вопросы распознавания тактических ситуаций в условиях автономного применения робототехнических комплексов военного назначения. По мнению большинства отечественных и зарубежных экспертов именно оснащение войск автономными робототехническими комплексами со средствами разведки и поражения способно привести к существенному повышению эффективности ведения боевых действий, в особенности к уменьшению собственных потерь в живой силе. Отсутствие эффективного решения задачи распознавания тактических ситуаций в сложно формализуемых условиях окружающей обстановки является одним из основных сдерживающих факторов создания автономных боевых систем. Предлагается для решения указанной задачи использовать логико-лингвистические методы и их нейросетевые реализации, в частности многослойный персептрон. Результаты моделирования показывают, что использование нейросетевой реализации логико-лингвистических методов распознавания на базе многослойного персептрона, позволяет реализовать данные методы в составе бортового машинного интеллекта робототехнического комплекса военного назначения для распознавания тактических ситуаций. Использование многослойного персептрона позволяет существенно ускорить процесс учета новых знаний, так как для построения новой системы распознавания тактических ситуаций, необходимо только скорректировать обучающую выборку и переобучить многослойный персептрон, что занимает значительно меньше времени, чем построение группой экспертов новой группы логических правил.
Ключевые слова: распознавание образов, робототехнический комплекс, беспилотный летательный аппарат, автономность, тактическая ситуация, логико-лингвистические методы, нечеткая модель, лингвистическая переменная, искусственная нейронная сеть, многослойный персептрон
УДК: 004.8/93
DOI: 10.7256/2409-7543.2017.1.21643
Дата направления в редакцию: 29-01-2017

Дата публикации: 22-02-2017

Abstract. The paper considers the problems of tactical situations recognition in the context of autonomous use of military robotic systems. In the opinion of most Russian and foreign experts, arming of troops with autonomous military robotic systems, equipped with reconnaissance assets and weapons, can significantly increase the effectiveness of conduct of operations and reduce depletion of ranks. The absence of an effective mechanism of tactical situations recognition in the context of the environment that is hard to formalize is one of the key deterrents to the creation of autonomous military systems. The authors suggest applying logical and linguistic methods and their neural network realizations, particularly, the multilayer perceptron, to solve the mentioned task. The modeling results demonstrate that the use of neural network realization of logical and linguistic methods of recognition, based on the multilayer perceptron, allows using such methods in the on-board computer intelligence of a military robotic system for the recognition of tactical situations. The use of the multilayer perceptron helps significantly speed up the process of the new knowledge processing, since in order to create the new system of tactical situations recognition it is necessary to merely correct the learning sample and retrain the multilayer perceptron; it takes less time than the formation of a new logical samples group by a group of experts. 

Keywords: linguistic variable, fuzzy model, logical-linguistic methods, tactical situation, autonomy, unmanned aerial vehicle, robotic system, pattern recognition, artificial neural network, multilayer perceptron

Эта статья недоступна для пользователей, которые не вошли в цифровую библиотеку издательства под своим логином и паролем. Перейдите по ссылке, чтобы зарегистрироваться или осуществить вход.

Если вы один из авторов этой статьи, вы можете открыть бесплатный доступ к этой статье для своих читателей. Вы должны зайти под своим логином и паролем, чтобы воспользоваться услугой. Перейдите по ссылке, чтобы зарегистрироваться или осуществить вход.
Библиография
1.
Каляев И.А., Рубцов И.В. Боевым роботам нужна программа // Национальная оборона. 2012. № 8(77). C. 34-48.
2.
Сердюк П., Слюсар В. Средства связи с наземными роботизированными системами. Современное состояние и перспективы // Электроника. Наука, технология, бизнес. 2014. № 7(00139). С. 66-74.
3.
Хрипунов С.П., Благодарящев И.В., Чиров Д.С. Военная робототехника: современные тренды и векторы развития // Тренды и управление. 2015. № 4. С. 410-422.
4.
Singer P.W., Wright T. New Rules of War. Big Bets and Black Swans. A Presidential Briefing Book // Policy Recommendations for President Obamas Second Term by the Foreign Policy Scholars at Brookings. January 2013. РP. 41-44.
5.
Clapper J.R., Young J.J., Cartwright J.E. et al. Unmanned Systems Integrated Roadmap FY2009-2034 // Washington. DC: U.S. Department of Defense. April 6. 2007.
6.
Bedel B. Small Ground Robot’s Effectiveness and Acquisition Strategy // Civilian Research Project. U.S. Army War College. 15 Jun. 2010.
7.
Лапшов В.С., Носков В.П., Рубцов И.В., Рудианов Н.А., Гурджи А.И., Рябов А.В., Хрущев В.С. Перспективы разработки автономных наземных робототехнических комплексов специального военного назначения // Известия ЮФУ. Технические науки. 2016. № 1(174). С. 156-168.
8.
Фор А. Восприятие и распознавание образов / Пер. с фр. А.В. Серединского; под ред. Г.П. Катыса. М.: Машиностроение. 1989. 282 с.
9.
Горелик А.Л., Скрипкин В.А. Методы распознавания: Уч. пособие. 2-е изд., перераб. и доп. М.: Высш. шк., 1984. 208 с.
10.
Аджемов С.С., Терешонок М.В., Кленов Н.В., Чиров Д.С. Методы распознавания видов цифровой модуляции сигналов в когнитивных радиосистемах // Вестник Московского ун-та. Сер. 3. Физика и Астрономия. 2015. № 6. С. 19-27.
11.
Хрипунов С.П. Методы аналитико-эвристического прогнозирования поведения противника в групповом воздушном бою // Информационно-измерительные и управляющие системы. 2008. Т. 6. № 7. С. 61-72.
12.
Хрипунов С.П., Демин А.Н. Бортовая интеллектуальная система прогнозирования поведения противника в групповом воздушном бою в условиях априорной неопределенности // Нелинейный мир. 2014. Т. 12. № 9. С. 38-44.
13.
Хрипунов С.П. Распознавание тактических ситуаций в воздушном бою с использованием методов искусственного интеллекта // Информационно-измерительные и управляющие системы. 2009. Т. 7. № 4. C. 26-35.
14.
Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети. М.: Горячая линия-Телеком, 2007. 284 с.
15.
Аджемов С.С., Кленов Н.В., Терешонок М.В., Чиров Д.С. Использование искусственных нейронных сетей для классификации источников сигналов в системах когнитивного радио // Программирование. 2016. № 3. С. 3-11.
16.
Хайкин С. Нейронные сети: полный курс. М.: Издательский дом «Вильямс», 2006. 1104 с.
17.
Аджемов С.С., Виноградов А.Н., Лебедев А.Н., Макаренков С.А., Терешонок М.В., Чиров Д.С. Методы интеллектуального анализа слабоструктурированных данных и управления комплексами мониторинга. М.: Инсвязьиздат, 2009. 210 с.
18.
Лучин А.А., Труфанов Е.Ю., Чиров Д.С. Оптимизация нейросетевых автоматов при классификации рассеивающих объектов по измерениям двумерных изображений // Нейрокомпьютеры: разработка, применение. 2006. № 3. С. 32-39.
19.
Гарбук С.В. Перспективы применения интеллектуальных технологий для решения задач безопасности // Национальная безопасность / nota bene. 2016. № 4. C. 451 - 457. DOI: 10.7256/2073-8560.2016.4.19207.
References (transliterated)
1.
Kalyaev I.A., Rubtsov I.V. Boevym robotam nuzhna programma // Natsional'naya oborona. 2012. № 8(77). C. 34-48.
2.
Serdyuk P., Slyusar V. Sredstva svyazi s nazemnymi robotizirovannymi sistemami. Sovremennoe sostoyanie i perspektivy // Elektronika. Nauka, tekhnologiya, biznes. 2014. № 7(00139). S. 66-74.
3.
Khripunov S.P., Blagodaryashchev I.V., Chirov D.S. Voennaya robototekhnika: sovremennye trendy i vektory razvitiya // Trendy i upravlenie. 2015. № 4. S. 410-422.
4.
Singer P.W., Wright T. New Rules of War. Big Bets and Black Swans. A Presidential Briefing Book // Policy Recommendations for President Obamas Second Term by the Foreign Policy Scholars at Brookings. January 2013. RP. 41-44.
5.
Clapper J.R., Young J.J., Cartwright J.E. et al. Unmanned Systems Integrated Roadmap FY2009-2034 // Washington. DC: U.S. Department of Defense. April 6. 2007.
6.
Bedel B. Small Ground Robot’s Effectiveness and Acquisition Strategy // Civilian Research Project. U.S. Army War College. 15 Jun. 2010.
7.
Lapshov V.S., Noskov V.P., Rubtsov I.V., Rudianov N.A., Gurdzhi A.I., Ryabov A.V., Khrushchev V.S. Perspektivy razrabotki avtonomnykh nazemnykh robototekhnicheskikh kompleksov spetsial'nogo voennogo naznacheniya // Izvestiya YuFU. Tekhnicheskie nauki. 2016. № 1(174). S. 156-168.
8.
For A. Vospriyatie i raspoznavanie obrazov / Per. s fr. A.V. Seredinskogo; pod red. G.P. Katysa. M.: Mashinostroenie. 1989. 282 s.
9.
Gorelik A.L., Skripkin V.A. Metody raspoznavaniya: Uch. posobie. 2-e izd., pererab. i dop. M.: Vyssh. shk., 1984. 208 s.
10.
Adzhemov S.S., Tereshonok M.V., Klenov N.V., Chirov D.S. Metody raspoznavaniya vidov tsifrovoi modulyatsii signalov v kognitivnykh radiosistemakh // Vestnik Moskovskogo un-ta. Ser. 3. Fizika i Astronomiya. 2015. № 6. S. 19-27.
11.
Khripunov S.P. Metody analitiko-evristicheskogo prognozirovaniya povedeniya protivnika v gruppovom vozdushnom boyu // Informatsionno-izmeritel'nye i upravlyayushchie sistemy. 2008. T. 6. № 7. S. 61-72.
12.
Khripunov S.P., Demin A.N. Bortovaya intellektual'naya sistema prognozirovaniya povedeniya protivnika v gruppovom vozdushnom boyu v usloviyakh apriornoi neopredelennosti // Nelineinyi mir. 2014. T. 12. № 9. S. 38-44.
13.
Khripunov S.P. Raspoznavanie takticheskikh situatsii v vozdushnom boyu s ispol'zovaniem metodov iskusstvennogo intellekta // Informatsionno-izmeritel'nye i upravlyayushchie sistemy. 2009. T. 7. № 4. C. 26-35.
14.
Borisov V.V., Kruglov V.V., Fedulov A.S. Nechetkie modeli i seti. M.: Goryachaya liniya-Telekom, 2007. 284 s.
15.
Adzhemov S.S., Klenov N.V., Tereshonok M.V., Chirov D.S. Ispol'zovanie iskusstvennykh neironnykh setei dlya klassifikatsii istochnikov signalov v sistemakh kognitivnogo radio // Programmirovanie. 2016. № 3. S. 3-11.
16.
Khaikin S. Neironnye seti: polnyi kurs. M.: Izdatel'skii dom «Vil'yams», 2006. 1104 s.
17.
Adzhemov S.S., Vinogradov A.N., Lebedev A.N., Makarenkov S.A., Tereshonok M.V., Chirov D.S. Metody intellektual'nogo analiza slabostrukturirovannykh dannykh i upravleniya kompleksami monitoringa. M.: Insvyaz'izdat, 2009. 210 s.
18.
Luchin A.A., Trufanov E.Yu., Chirov D.S. Optimizatsiya neirosetevykh avtomatov pri klassifikatsii rasseivayushchikh ob''ektov po izmereniyam dvumernykh izobrazhenii // Neirokomp'yutery: razrabotka, primenenie. 2006. № 3. S. 32-39.
19.
Garbuk S.V. Perspektivy primeneniya intellektual'nykh tekhnologii dlya resheniya zadach bezopasnosti // Natsional'naya bezopasnost' / nota bene. 2016. № 4. C. 451 - 457. DOI: 10.7256/2073-8560.2016.4.19207.
Ссылка на эту статью

Просто выделите и скопируйте ссылку на эту статью в буфер обмена. Вы можете также попробовать найти похожие статьи

Другие сайты издательства:
Официальный сайт издательства NotaBene / Aurora Group s.r.o.
Сайт исторического журнала "History Illustrated"