典型文献
基于深度贝叶斯网络学习的不确定性建模方法
文献摘要：
战场态势评估涉及很多不确定因素,对不确定性进行仿真建模能够提高态势评估的能力.针对参战对象多元、不确定性增多导致的无法全面准确表达不确定性问题,提出了基于记忆模块和变分自编码器的深度贝叶斯网络模型.采用生成模型设计了基于深度贝叶斯网络学习的态势评估模型;阐述了融合记忆模块的深度生成模型原理和模型的学习与推理过程;以某空袭行动为例构建贝叶斯网络,对所提方法进行了验证.结果 表明:深度神经网络能够逼近隐变量的非线性变换,设计的记忆模块能存储深度神经网络提取的大量局部特征,通过学习自动得到了贝叶斯网络条件概率,增强了不确定性建模能力.
文献关键词：
建模方法;不确定性;贝叶斯网络;深度生成模型;变分自编码器;态势评估
中图分类号：
作者姓名：
聂凯;曾科军;孟庆海
作者机构：
中国人民解放军91550部队,辽宁大连116023
文献出处：
引用格式：
[1]聂凯;曾科军;孟庆海-.基于深度贝叶斯网络学习的不确定性建模方法)[J].系统仿真学报,2022(01):79-85
A类：
B类：
深度贝叶斯,网络学习,不确定性建模,战场态势,态势评估,不确定因素,仿真建模,参战,记忆模块,变分自编码器,贝叶斯网络模型,模型设计,深度生成模型,推理过程,空袭,深度神经网络,逼近,隐变量,非线性变换,局部特征,网络条件,条件概率,建模能力
AB值：
0.281383
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
