AI学习战斗机历史飞行数据
chenghangtian2024/06/02军事航空技术 IP:江苏

数据集链接开源如下:

XXXXXXXXXXXXXXXXXXXXXXXXXX/datasetdetail/90970

战斗机飞行路径数据集分为1个训练标签和8个训练输入,可以被用作训练AI完成无人机的路径规划任务

2021.05.25:“大怪兽不吃肉”于当日开源的“F-16”型战斗机飞行路径数据集分为1个训练标签和8个训练输入,可以被用作训练AI完成无人机的路径规划任务.png

战斗机的姿态数据集分为13个文件,每个文件各自表示战斗机在不同时刻的姿态对应的运动学物理量(坐标、角度)取值集合

数据集文件最终转换为csv文件,大小合计约20MB,无法应用于实际的军事作战(应用于实际的军事作战必须学习海量的历史数据,GB级别起步)。

AI模型被命名为“冯如523”,为纪念历史上的航空先驱冯如(1884-1912);在本人发布的PythonDPG算法的文章中,本人提出了P蛇模型(Python-Model),用于完成工业产品(外壳)自动化设计任务,但PythonDPG算法的“奖励机制”需要进一步改进和完善,算法整体的框架需要修改。

冯如523模型仍然遵循PythonDPG算法的思路,嵌套多层神经网络搭建轻量级别模型,不设置奖励机制。和Transformer算法不同,冯如523模型不包含自注意力机制和前馈神经网络机制,因此在训练时容易出现不稳定的现象(梯度爆炸),网络中间层数不宜设置过高,后续仍然需要就“奖励机制”的问题实施改进。

attachment icon FengRu0523.py 5.71KB PY 6次下载

attachment icon A_0.06.pth 3.68MB PTH 0次下载

attachment icon C_0.06.pth 3.68MB PTH 0次下载

代码当中分为Actor编码器和Critic解码器,对应的XXXXhXXXXh;PythonDPG算法会借鉴强化学习领域的DDPG算法,利用奖励机制来让人工神经网络自发地朝向系统最优的方向训练,但很可惜,算法原始版本的预印本论文尚未设置合适的流程,让奖励机制充分发挥作用,因而算法以及基于算法的模型无法展现“强化大模型”的优势。

附件中的代码使用MSE损失函数,MSE损失值为0.06,准确率可以近似看成是94%,但由于学习的战斗机历史数据量较小,因此不适合在战斗机上实际部署用于实战任务,只能通过扩充训练数据,训练更强的AI模型,并充分利用“UE5”等渲染软件实现性能提升。

[修改于 3个月29天前 - 2024/07/12 22:00:35]

来自:人类协作博弈 / 军事航空航天 / 航空技术动手实践:实验报导
2
已屏蔽 原因:{{ notice.reason }}已屏蔽
{{notice.noticeContent}}
~~空空如也
chenghangtian作者
5个月9天前 修改于 3个月29天前 IP:江苏
932572

现实中训练AI控制战斗机的步骤:新算法开发模型-海量历史数据-足够高的验证准确率-仿真软件测试和动画展示(动画可选)-小型航空器部署-演练收集实战数据-微调模型-再次演练-再次微调-和别的模型比拼性能-满足实战指标后评估验收-入列-确定实战方案

引用
评论
加载评论中,请稍候...
200字以内,仅用于支线交流,主线讨论请采用回复功能。
折叠评论
chenghangtian作者
4个月4天前 修改于 3个月29天前 IP:江苏
933910

PythonDPG算法本身有很大的问题,算法应该重新设计,基于算法的AI模型训练没有较好地融合强化学习的奖励机制,不能算作是论文定义下的“强化大模型”。

引用
评论
加载评论中,请稍候...
200字以内,仅用于支线交流,主线讨论请采用回复功能。
折叠评论

想参与大家的讨论?现在就 登录 或者 注册

chenghangtian
开除学籍
文章
5
回复
51
学术分
0
2022/08/14注册,3个月21天前活动

Artificial Intelligence

主体类型:个人
所属领域:无
认证方式:身份证号
IP归属地:江苏
文件下载
加载中...
{{errorInfo}}
{{downloadWarning}}
你在 {{downloadTime}} 下载过当前文件。
文件名称:{{resource.defaultFile.name}}
下载次数:{{resource.hits}}
上传用户:{{uploader.username}}
所需积分:{{costScores}},{{holdScores}}下载当前附件免费{{description}}
积分不足,去充值
文件已丢失

当前账号的附件下载数量限制如下:
时段 个数
{{f.startingTime}}点 - {{f.endTime}}点 {{f.fileCount}}
视频暂不能访问,请登录试试
仅供内部学术交流或培训使用,请先保存到本地。本内容不代表科创观点,未经原作者同意,请勿转载。
音频暂不能访问,请登录试试
支持的图片格式:jpg, jpeg, png
插入公式
评论控制
加载中...
文号:{{pid}}
投诉或举报
加载中...
{{tip}}
请选择违规类型:
{{reason.type}}

空空如也

加载中...
详情
详情
推送到专栏从专栏移除
设为匿名取消匿名
查看作者
回复
只看作者
加入收藏取消收藏
收藏
取消收藏
折叠回复
置顶取消置顶
评学术分
鼓励
设为精选取消精选
管理提醒
编辑
通过审核
评论控制
退修或删除
历史版本
违规记录
投诉或举报
加入黑名单移除黑名单
查看IP
{{format('YYYY/MM/DD HH:mm:ss', toc)}}