L'aide à la décision du système d'armement laser simulé pour combattre les essaims de drones grâce à l'apprentissage automatique est un projet de recherche de l'Institut national de la recherche scientifique (INRS). École supérieure navale thèse de Daniel M. Edwards.
Cette thèse présente l'application de l'apprentissage automatique pour fournir une aide à la décision automatisée aux combattants qui gèrent des systèmes d'armes laser dans des scénarios tactiques complexes. L'étude s'est appuyée sur l'environnement logiciel de modélisation et de simulation Swarm Commander du NPS Modeling Virtual Environments and Simulation (MOVES) Institute pour générer des ensembles de données simulées impliquant des scénarios de wargaming dans lesquels un système d'armement laser embarqué se défendait contre les menaces d'un essaim de drones.
Ces ensembles de données simulées ont été utilisés pour former un algorithme d'apprentissage automatique afin de prédire la stratégie d'engagement optimale dans un espace de combat complexe comprenant divers essaims de drones. Plusieurs techniques d'apprentissage automatique ont été évaluées et la méthode de l'arbre de classification a finalement été retenue. L'algorithme final a fait preuve d'une précision globale impressionnante de 96% dans la prévision correcte des résultats de l'engagement, en tenant compte des types de menaces de drones, des quantités et des stratégies d'attaque des systèmes d'armes laser.
This research underscores three key findings: (1) the value of modeling and simulation in aiding the development of tactical machine learning applications, (2) the potential of machine learning to enhance support for future tactical operations, and (3) the broader potential of machine learning and automation to alleviate the cognitive burden on future warfighters faced with critical decisions in complex threat environments.
Date de publication- Septembre 2021
Simulated Laser Weapon System Decision Support to Combat Drone Swarms with Machine Learning (Aide à la décision du système d'armement laser simulé pour combattre les essaims de drones grâce à l'apprentissage automatique) contient les sections principales suivantes :
- Introduction
- Revue de la littérature
- Tactiques de commandement de l'essaim et expérimentation de l'apprentissage automatique
- Résultats et optimisation des données
- Conclusion
Approuvé pour diffusion publique. La distribution est illimitée.
C-UAS Hub n'est pas propriétaire de ce contenu et fournit un lien pour les utilisateurs à l'adresse suivante fond de la page pour y accéder à son emplacement d'origine. Cela permet à l'auteur ou aux auteurs de suivre les métriques importantes de l'article liées à leur travail. Tout le mérite en revient à son propriétaire légitime.
Auteur- Daniel M. Edwards
Voir aussi...
Rapport du GAO : Technologies d'essaimage de drones
Conception expérimentale d'une arme laser à haute énergie basée sur un UCAV
Crédit photo : Adobe Stock par photos de la chance
