公开(公告)号：CN119647239A

公开(公告)日：2025-03-18

申请号：CN202411628495.2

申请日：2024-11-14

Applicant: 北京机电工程研究所

Inventor： 佟佳慧 ,  高广宇 ,  于博潇 ,  战天明 ,  张闻博

IPC: G06F30/27 ,  G06F18/27 ,  G06F18/2415 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09 ,  G06N3/096 ,  G06N3/0985

Abstract: 本发明涉及一种基于多任务学习的对抗效能评估方法，属于效能评估技术领域，解决了现有技术中难以准确预估对抗效能的问题。方法包括：获取多个主动方和被动方对抗仿真过程中的状态数据序列和对应的应对成功率、以及最终仿真结果构建训练样本集；构建多任务学习网络模型，所述多任务学习网络模型用于基于样本的输入数据进行应对成功率回归和最终仿真结果预测；基于所述训练样本集对所述多任务学习网络模型进行训练得到对抗效能评估模型；将待评估主动方和被动方初始阶段的状态数据序列输入对抗效能评估模型预测得到最终仿真结果。实现了快速准确的对抗效能评估。

公开(公告)号：CN119647240A

公开(公告)日：2025-03-18

申请号：CN202411628496.7

申请日：2024-11-14

Applicant: 北京机电工程研究所

Inventor： 张闻博 ,  于博潇 ,  战天明 ,  高广宇 ,  佟佳慧

IPC: G06F30/27 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0442 ,  G06N3/094 ,  G06N3/09 ,  G06N3/084 ,  G06F18/27 ,  G06F18/241

Abstract: 一种基于循环生成对抗网络的效能预测模型的训练方法，属于效能评估技术领域，解决了现有技术中效能预测效率低的问题。方法包括：获取对抗双方在对抗仿真过程中的状态数据序列和对应的应对成功率，基于状态数据序列和对应的应对成功率构建训练样本；每个训练样本包括初始序列和对应的应对成功率、全局采样序列和效能结果；构建联合学习模型，联合学习模型包括循环生成对抗网络和效能预测网络，循环生成对抗网络用于基于所述初始序列生成全局采样序列；效能预测网络用于基于初始序列和生成的全局采样序列进行效能预测；基于训练样本集对联合学习模型进行联合训练，得到用于基于初始序列预测效能的效能预测模型。实现了快速准确的效能预测。