基于深度贝叶斯网络学习的不确定性建模方法

• 作者: 聂凯 曾科军 孟庆海
• 来源期刊: 系统仿真学报
• 学科: 工学
• 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
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 仿真建模理论与方法|Modeling Theory and Methodology
• 页码范围: 79-85
• 页数: 7页
• 分类号: TJ761.1|TP391
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.20-0629

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.