使用神经网络进行集群特征分类
机器学习
2025-02-20 v3
摘要
理解集群自主智能体的特征对于国防和安全应用至关重要。本文提出了一项关于使用监督神经网络时间序列分类（NN TSC）来预测军事背景下集群自主智能体的关键属性和战术的研究。具体而言，应用 NN TSC 来推断两个二元属性——通信和比例导航——它们组合起来定义了四种互斥的集群战术。我们识别了文献中在使用 NN 进行集群分类方面的空白，并展示了 NN TSC 在快速推断关于攻击集群的情报以指导反机动方面的有效性。通过模拟的集群对集群交战，我们从观测窗口需求、噪声鲁棒性以及对集群规模的可扩展性方面评估了 NN TSC 的性能。主要研究结果表明，神经网络可以使用 20 个时间步的短观测窗口以 97% 的准确率预测集群行为，同时在 50% 噪声下仍能保持 80% 的准确率实现优雅退化，并且在 10 到 100 个智能体的集群规模下展现出极佳的可扩展性。这些能力通过快速推断关于集群行为的见解，为国防场景中的实时决策支持提供了广阔前景。
引用
@article{arxiv.2403.19572,
title = {Swarm Characteristics Classification Using Neural Networks},
author = {Donald W. Peltier and Isaac Kaminer and Abram Clark and Marko Orescanin},
journal= {arXiv preprint arXiv:2403.19572},
year = {2025}
}
备注
Article published in IEEE TAES. Added IEEE copyright and DOI to accepted version of paper