УДОСКОНАЛЕНА МОДЕЛЬ ОЦІНКИ ОЧІКУВАНОЇ КОРИСНОСТІ БПЛА У РОЙОВОМУ ЦІЛЕРОЗПОДІЛІ ПРИ ДИНАМІЧНОМУ РОЗІГРАШІ БОЙОВИХ ДІЙ DOI Creative Commons
О. М. Компанієць, Андрій Ткачов

Системи обробки інформації, Год журнала: 2024, Номер 3(178), С. 42 - 47

Опубликована: Дек. 2, 2024

У статті досліджується проблема функціонування роїв безпілотних літальних апаратів (БпЛА) при виконанні військових операцій в умовах динамічного та невизначеного середовища. Запропоновано підхід до управління роєм БпЛА, що базується на інтеграції методів теорії ігор непараметричних алгоритмів машинного навчання. Розроблено математичну модель, яка описує взаємодію БпЛА у рою як динамічний розіграш полі бою з урахуванням обмеженої інформації потенційних конфліктів інтересів між ок-ремими апаратами. Представлено удосконалений алгоритм ітерації значень для розв’язання задачі Мар-ковського процесу прийняття рішень (МППР), дозволяє знаходити кращі стратегії Бп-ЛА неповної інформації.Запропонований враховує специфіку децентралізованого роєм, забезпечуючи адапти-вність змін середовища поведінки інших апаратів. Це підвищити ефективність виконання бойових завдань складного інформаційного активної протидії противника. Ре-зультати дослідження можуть бути використані розробки нових систем роями вдосконалення тактики їх застосування місіях.

Application of action recognition and tactical optimization methods for rope skipping competitions based on artificial intelligence DOI Open Access
Huan Zhang

Molecular & cellular biomechanics, Год журнала: 2024, Номер 21(4), С. 936 - 936

Опубликована: Дек. 30, 2024

To solve the problems that action recognition methods in rope skipping competitions rely on manual annotation and are prone to misjudgment complex movements, this study implemented an AI-based tactical optimization method, using artificial intelligence technology achieve efficient accurate adjustment. The feature extraction of video frames is performed through Convolutional Neural Network (CNN), processed sequence sent Long Short-Term Memory (LSTM) network for processing, so as actions. optimize competition strategy, Deep Q (DQN) used execution. Experimental results show proposed model can recognize common movements such single jump, double-leg jump cross with average accuracy 98.4%; strategy optimized by reinforcement learning significantly improves performance athletes, jumping frequency increases 4.59% error rate decreases 0.986%. This not only provides intelligent evaluation solution competitions, but also has certain reference significance decision-making other sports.

Язык: Английский

Процитировано

0
УДОСКОНАЛЕНА МОДЕЛЬ ОЦІНКИ ОЧІКУВАНОЇ КОРИСНОСТІ БПЛА У РОЙОВОМУ ЦІЛЕРОЗПОДІЛІ ПРИ ДИНАМІЧНОМУ РОЗІГРАШІ БОЙОВИХ ДІЙ DOI Creative Commons
О. М. Компанієць, Андрій Ткачов

Системи обробки інформації, Год журнала: 2024, Номер 3(178), С. 42 - 47

Опубликована: Дек. 2, 2024

У статті досліджується проблема функціонування роїв безпілотних літальних апаратів (БпЛА) при виконанні військових операцій в умовах динамічного та невизначеного середовища. Запропоновано підхід до управління роєм БпЛА, що базується на інтеграції методів теорії ігор непараметричних алгоритмів машинного навчання. Розроблено математичну модель, яка описує взаємодію БпЛА у рою як динамічний розіграш полі бою з урахуванням обмеженої інформації потенційних конфліктів інтересів між ок-ремими апаратами. Представлено удосконалений алгоритм ітерації значень для розв’язання задачі Мар-ковського процесу прийняття рішень (МППР), дозволяє знаходити кращі стратегії Бп-ЛА неповної інформації.Запропонований враховує специфіку децентралізованого роєм, забезпечуючи адапти-вність змін середовища поведінки інших апаратів. Це підвищити ефективність виконання бойових завдань складного інформаційного активної протидії противника. Ре-зультати дослідження можуть бути використані розробки нових систем роями вдосконалення тактики їх застосування місіях.

Процитировано

0