亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

摘要: 以自主水下航行器、水下滑翔機等為代表的無人水下航行器(UUV)在水下目標探測方面, 具有成本低、隱蔽性好、機動性高、靈活組網部署易等優勢。隨著消聲技術的發展和成熟化應用, 潛艇等大型水下航行器的自噪聲已接近海洋背景噪聲, 單一依靠聲波信息進行水下目標探測的技術已不再具有普適化優勢, 光、電、磁等非聲探測技術已逐步顯示出優越性。發揮UUV的航行優勢, 搭載光、電、磁等非聲探測傳感器, 開展目標發現的嘗試已逐步成為新的發展和應用方向。文章在分析總結當前UUV已搭載的非聲探測傳感器的種類、原理和應用情況的基礎上, 指出了磁異探測、激光探測、電場探測、重力梯度探測和生物探測等主要研究方向和進展, 歸納了當前基于UUV開展非聲探測的關鍵技術問題和技術難點, 并對發展方向進行了展望, 為非聲探測技術的提升提供一定的借鑒。 水下目標探測是通過移動或固定平臺搭載一 定數量的探測設備對水中目標進行識別, 在民用 和軍事領域均有重要應用價值。依據目標的運動 狀態, 一般將被探測目標分為靜止目標和運動目 標。靜止目標探測包括海底沉船探測、海底管道 探測等; 運動目標探測包括對潛艇、水雷和魚群等 目標的識別與定位探測等。目標聲學探測(簡稱聲 探測)技術是目前最為主要的水下探測技術。依據 探測形式, 目標聲探測分為主動聲吶探測和被動 聲吶探測。聲吶可搭載在飛機、船只和潛艇上, 但 探測能力有較大差異, 如機載聲吶探測距離約 56~112 km, 艦載聲吶探測距離約 20~130 km。主 動聲吶隱蔽性差, 探測距離小于被動聲吶; 而被動 聲吶受環境噪聲、平臺噪聲的影響較大, 只有在目 標發出較大噪聲時才能使用[1]。隨著消聲技術的 發展和應用, 潛艇以及大型水下航行器等水下裝 備的自噪聲已接近海洋背景噪聲, 使聲吶對其發 現能力大大降低。消聲技術主要應用于水下運動 目標, 尤其是潛艇, 所以非靜態目標以及聲場較大 的運動目標還是以聲探測為主, 非聲探測為輔。 水下目標探測平臺包括天基、空基、水面和水 下平臺[2] , 不同的平臺有不同的作用半徑。以對潛 艇探測為例, 不同探測平臺對比如表 1 所示。天基 探測平臺是指集成光學、紅外和雷達等設備的衛 星, 覆蓋范圍廣, 可達幾百平方千米, 實時性強、安 全性高、準確率高, 但部署成本非常高。空基探測 平臺是指可攜帶或集成多種探測設備的飛機, 應 用廣泛、機動性高、準確率高, 但是隱蔽性低、探 測時間短、易受自然環境影響。水面探測平臺主 要指配備以聲吶為主的艦艇船只, 但是隨著各種 消聲技術的發展, 聲吶探測能力也隨之下降。文 中所述水下探測平臺指的是具有自主航行能力, 可搭載各種傳感器獲取海洋環境信息, 可對水下 固定/移動目標開展探測、識別、定位與跟蹤以及 區域警戒等任務的無人水下航行器(unmanned undersea vehicle, UUV) [3] , 主要包括自主水下航行 器(autonomous undersea vehicle, AUV)、水下滑翔 機等, 如圖 1和圖 2 所示。相比于其他平臺, UUV 具有成本低、體積小、續航時間長、隱蔽性好、機 動性高、易靈活組網部署等優勢, 具有巨大的應用 潛力[4]。 水下非聲探測技術按照探測原理可以分為磁 異探測、雷達探測、激光探測、紅外探測、電場探 測、重力梯度探測及生物探測等。不同非聲探測 技術特點對比如表 2 所示。 磁異探測是較為成熟的非聲探測技術, 主要傳感器是磁異探測儀。磁異探測儀廣泛應用在反潛 機上, 也可以搭載在艦艇和 UUV 上, 具有探測精度 高、識別能力強、不易受海洋環境影響的優點, 但 是對磁異常源的分辨能力有限, 有時無法正確區分 坐底潛艇和沉船。搭載在衛星或反潛機上的雷達 探測只能探測海面或十幾米深度中的運動目標。 激光探測主要利用在海水中衰減波段小的藍綠光 進行探測, 屬于主動探測, 具有定位精度高、隱蔽 性好、受海洋環境影響小的優點, 但是作用范圍有限, 一般有效作用范圍為百米內。激光傳感器的搭 載平臺為衛星、反潛機、水面艦艇和 UUV 等。 紅外探測儀普遍搭載在反潛機上, 也可搭載在 衛星和水面艦艇上, 抗干擾能力強、實時性強。電 場探測技術受環境和天氣影響小, 隱蔽性好, 遠近 海域均適合, 可以搭載在 UUV 上。重力梯度探測 利用地球重力場進行探測, 隱蔽性強。生物探測 尚處于理論研究階段, 是未來的前沿科技之一。 非聲探測技術已日趨成熟, 部分技術已有成熟 探測設備和成功的應用場景, 但是非聲探測多以 天基和空基為主要應用平臺, 探測深度以水面和 水下幾十米內的深度為主, 對處在百米級工作深 度下的運動目標探測能力較弱。隨著 UUV 技術 的發展, 憑借續航能力強、機動性強、噪聲低等優 勢, UUV 可長時間在幾百米或幾千米的深度航行 并探測, 是未來非聲探測的重要搭載平臺之一。 文中介紹了 UUV 和幾種主要的非聲探測技 術的原理、工作流程、關鍵技術和發展現狀, 總結 了非聲探測技術的要點, 并給出了依托 UUV 發展 非聲探測技術的主要研究方向。

近年來,無人機已廣泛應用于電力巡檢、森林保護、快遞配送、交通監控等領域,無人機技術得到飛速發展。 無人機 具有數量多、體積小、速度快等特點,無人機進入非隔離空域成為必然趨勢,而沖突探測與解脫技術也成了當下的重點研究方 向。 沖突探測與解脫技術的提高對無人機飛行安全和飛行效益具有重要意義。 系統地梳理了當下中外的研究成果,對無人 機沖突探測與解脫問題進行了概述。 綜述了沖突探測與解脫的模型,從理論模型的角度闡述了沖突解脫的目標和約束條件; 并從方法論的角度對沖突探測與解脫的常用方法進行了總結。 最后從現有研究的不足出發,對無人機沖突探測與解脫未來 的研究趨勢和方向進行了展望。 隨著無人機技術的迅速發展,無人機數量急劇 增加。 2021 年底,《“十四五” 民用航空發展規劃》 提出要著力提升同行服務水平,大力引導無人機創 新發展[1] 。 無人機憑借其靈活度高、低能耗和實時 監控能力,已廣泛應用于監測、成像等領域。 無人 機數量的迅速增加給空域交通安全帶來了挑戰。 當前風險主要集中于無人機故障、無人機“黑飛”對 行人和基礎設施的風險,以及無人機飛行沖突的風 險。 為了在不同應用場景下保障無人機的飛行安 全,提高空域運行效率,沖突探測與解脫技術作為 保障無人機飛行安全的關鍵技術,需要進行重點 研究。 現整理中外有關無人機沖突探測與解脫的相 關文獻。 首先介紹無人機沖突探測與解脫的相關 概念;其次對無人機沖突探測方法進行總結;然后 從理論模型的角度介紹當下無人機沖突解脫的目標及約束條件,并介紹主要解脫方法;最后對未來 可研究方向進行展望。

無人機的任意使用對公共安全和個人隱私構成了極大威脅,因此近年來反無人機已成為一個非常重要的新興領域,越來越多的研究希望通過更精確的無人機探測跟蹤技術和引進新機能、新概念技術來更好地反制無人機,從而保證國防安全、公共安全和個人隱私等.基于此,對國內外反無人機技術進展進行分析總結,首先,對基于雷達、光電、無線和聲傳感器以及多傳感器信息融合算法的無人機檢測和分類方法的研究工作進行全面的綜述;然后,對現有反無人機技術體系的組成及相關系統的優缺點進行綜述,討論了現有的反無人機技術、典型的反無人機系統以及無人機集群對抗技術;最后,對反無人機領域的研究前景進行展望,為解決低空安全問題奠定基礎. 態勢感知、威脅檢測和跟蹤對于廣泛的軍事和海事應用至關重要.由于無人機商業化程度逐漸提高, 它對軍事和民用的威脅也日益增大.因此在軍事和民用等領域, 反無人機將越來越重要, 各國在加緊研究無人機的同時, 亦大力發展反無人機產業, 實現“攻防一體”.反無人機技術得到了蓬勃發展, 大有百花爭艷、百家爭鳴的態勢.因此, 對反無人機研究現狀進行總結具有十分重要的意義, 這可以為目前的研究提供一些新的思路以及改進的方向. 反無人機是指通過一系列技術手段與設備對無人機進行反制, 使公共安全、公民隱私、國家安全等得到保障.目前反無人機技術存在以下難點.

1. 無人機逐漸隱身化、微小化, 且探測環境復雜. 在外型方面, 隨著納米復合材料、智能蒙皮結構等前沿技術的突破, 小型化、微小型化將成為無人機未來的發展趨勢, 這將會導致信噪比低, 回波信號極易被雜波淹沒.另一方面, 針對各探測手段無人機采用了復合材料、防紅外反射技術等實現隱身化, 將大大增加探測難度.而在探測環境方面, 探測常常受到地形地物干擾, 導致信號衰減、信噪比低、目標被遮擋.

2. 無人機偵察-防御-攻擊一體化, 作戰效能成倍提高, 增加了防空系統的難度.近年來, 無人機逐漸發展為偵察-防御-攻擊一體化, 能夠實現多角色功能轉換, 給目前的反無人機系統帶來了極大挑戰.

3. 無人機系統信息處理高速化、智能化, 信息傳遞多樣化, 傳感器系統綜合化, 增大了反偵察和干擾的難度.伴隨深度學習、大數據的浪潮, 以人工智能為核心的無人機研究逐步開展, 并且成果顯著.此外, 為增強無人機通信效率和抗干擾能力, 在其內部還安裝了高速信息處理機, 信息處理速度得到很大提高.同時為了提高無人機的探測偵察能力, 許多無人機系統安裝了由雷達、紅外等多種異類傳感器構成的傳感器系統, 可進行準確的態勢感知, 綜合化水平越來越高.此長彼消, 這使得其偵察能力大大提高的同時, 也加大了對其進行干擾、欺騙、偽裝的難度.

4. 無人機集群相關研究方興未艾, 傳統防空系統難以應對.相比于單個無人機, 集群無人機不僅作戰效能高、靈活性強, 而且作戰成本可控、效費比高, 近年來已成為各軍事強國爭先研究的一種新型作戰樣式.戰場上, 集群攻擊將使得作戰成本極不對稱, 效費交換劣勢明顯.除此之外, 隨著技術的成熟, 集群式微型機亦發展迅速, 已成為美、俄、以等國軍方重點關注的內容, 比如美國的小精靈計劃.而隨著復眼戰術、蜂群策略逐步完善, 未來將出現更多的作戰樣式.

總而言之, 無論是無人機的外形逐漸隱身化、微型化, 還是系統一體化、綜合化, 信息處理高效化, 抑或是作戰方式集群化, 都使反無人機技術面臨重重困難, 但也反映出反無人機研究勢在必行.這些是挑戰, 也是機遇, 將大大推動反無人機技術的發展.

當前的反無人機技術體系主要由探測跟蹤和預警技術、毀傷技術、干擾技術和偽裝欺騙技術4大部分組成[1], 其作戰過程如圖 1所示.

第1步是對無人機進行探測識別, 然后再根據實際情況, 選擇對其進行欺騙干擾的軟損傷還是火力打擊的硬摧毀.除此之外, 己方須進行一定的偽裝防護以降低敵方無人機的偵察效率和效果.從圖 1可以看出, 探測預警技術是后3種技術的基礎和關鍵, 并且由于各國反無人機技術都采取嚴格的保密措施, 能夠查找到的公開技術有限, 而無人機作為一種檢測目標, 對其進行探測和識別的公開研究較多.因此本文首先對無人機探測技術進行詳細總結, 然后介紹其他3種對抗技術, 并簡要介紹目前一些典型的反無人機系統, 最后針對集群無人機描述反制措施.

摘要: 水下無人裝備是海上軍事競爭新的制高點之一, 是贏得新時代水下攻防對抗的重要保障。當前各類水下無人裝備飛速發展和應用, 文中以無人水下航行器和水下無人預置系統為例, 梳理前沿發展趨勢與關鍵技術。通過總結國內外水下無人裝備的發展現狀, 分析發展中面臨的挑戰, 對水下無人裝備未來的發展趨勢進行了展望, 并在此基礎上梳理了發展中需要攻克的關鍵技術難點, 進一步提出未來發展思考和建議, 為水下無人裝備技術研究提供有益的參考和借鑒。

水下無人裝備是無人系統體系重要組成部分, 20世紀以來, 許多國家都加快了水下無人裝備的發展, 旨在保護本國免遭非對稱威脅的攻擊[1-3]。水下無人裝備是新形勢下實現水下攻防對抗, 推進我國“海上絲綢之路”國家發展戰略的重要保障[4]。

在軍事領域里, 典型的水下無人裝備主要有無人水下航行器(unmanned undersea vehicle, UUV)和水下無人預置系統, 其中水下無人預置系統包括水下預置武器和水下預置基礎設施。UUV具有效費比高、隱身性能好、作戰用途廣和智能程度高等優勢, 是未來智能化戰爭中重要的新質作戰裝備[5-9]。水下無人預置系統搭載載荷豐富多樣, 具有潛伏時間長、廣域分布、隱蔽性好及響應快速等優點, 已成為未來水下攻防對抗體系的重要組成部分[9]。在當前深遠海技術和軍事智能技術的發展推動下, 水下無人裝備已具備執行多類型復雜任務的能力[10], 將對未來戰爭產生非對稱、顛覆性作用, 在智能化海戰中的地位日益突出。目前世界各海洋強國都加速推進水下無人裝備的技術研發與應用, 搶占未來海上競爭新的制高點。

無人機作戰樣式因其特有的“快、精、廉”等特點被廣泛用于現代戰場,并取得了非凡的實戰效果。總結現代戰場無人機作戰特點,結合世界先進的反無人機技術,分析目前無人機作戰樣式存在的不足,并以此為出發點,以滿足未來戰爭需求,應對防空反無人機技術體制為目的,探索軍用作戰無人機未來發展方向,以期為軍用無人機及其作戰樣式的研究提供參考。無人機自 ２０ 世紀 ６０ 年代越南戰爭時期，首次被 派到戰場執行偵察任務，正式進入軍事作戰領域，其作 為一種新型作戰樣式，開啟了無人化作戰先河［１］ ，幾十 年來，無人機以偵察、預警、電子干擾、空地打擊等“多 面手”的角色出現在海灣、科索沃、阿富汗、伊拉克、土 敘、納卡等局部戰爭或沖突中，并取得驚人效果［２］ ，尤 其在納卡沖突中，無人機首次作為主戰裝備參與作戰， 更是第一次將無人機協同作戰從概念轉化為實戰，并 取得卓越的戰績，充分證明了無人機作戰的軍事價值。可以預見，隨著世界新軍事革命的不斷推進，無人機作 戰必將成為無人化作戰的重要組成部分。無人機作戰能力雖已多次經過現代戰爭檢驗，但 縱觀現代戰爭中的無人機實戰案例，可以發現其存在 一些共性缺陷，如弱／ 無自主，不注重隱身，嚴重依賴無 線電通信技術及衛星導航技術，而現代反無人機技術 正是利用這些缺陷作為切入點，成為無人機在戰場上 的克星。隨著戰場環境的日益復雜化，防空反無人機 技術高速深入發展以及戰爭由信息化向智能化的轉 變［３］ ，軍用作戰無人機必須針對性地做出改進，才能適 應未來高烈度、高技術、高電磁復雜度、威脅目標多樣 的戰場環境。本文以彌補無人機作戰樣式不足為出發點，以適 應復雜的未來戰場環境，應對防空反無人機技術體制 為目的，結合現代及未來可預見的技術，對軍用作戰無 人機未來發展方向與特征進行探索與思考。

隨著無人機戰技性能的不斷提升以及戰術戰法的廣泛運用,無人機蜂群協同作戰給當前防空系統帶來了全新的挑戰。通過梳理分析近年來無人機蜂群作戰運用案例,總結了當前無人機蜂群作戰運用的特點,闡述了發展反無人機蜂群作戰指揮控制系統的必要性和緊迫性。由此,結合當前世界各軍事強國反無人機蜂群作戰指揮控制系統的現狀,對未來反無人機蜂群作戰指控系統發展提出了一些啟示建議。

近年來，世界各國大力推進軍用無人機裝備技術 的發展，加上自組網通信、人工智能、無人控制等技術 的迅猛發展，無人機蜂群作戰作為一種全新的作戰模 式［１］登上了歷史舞臺，其可以在極端惡劣條件下，零傷 亡、高效率地協同完成預警探測、欺騙干擾、通信中繼、 超飽和式打擊等作戰任務［２］ 。隨著無人機蜂群作戰運用不斷成熟，其給世界各 國防空系統帶來了新的挑戰，反無人機蜂群作戰體系 建設也成了世界各國關注的重點［３］ 。美、俄、英、以色 列等軍事強國不斷探索反無人機蜂群的新用法，其中 包括電磁脈沖炮、高功率微波武器、高能激光武器、電 子干擾、密集炮、網捕等手段，美國每年都進行“黑色飛 鏢”反無人機試驗［４］ 來提高反無人機作戰能力。在反 無人機蜂群作戰中，除了作戰武器外，指揮控制系統也 是反蜂群作戰的核心中樞，其貫穿了預警探測、信息處 理、決策分析、武器控制等全流程作戰，也是世界各國 大力發展的重點之一。本文分析了無人機蜂群作戰運用的主要特點，介 紹了當前世界各國反無人機蜂群作戰指控系統發展現 狀，并對反無人機蜂群作戰指揮控制系統未來發展方 向進行分析闡述。

高超聲速武器具有高空高速機動飛行的突出性能優勢, 展現出強大的突防能力, 促使各軍事大國開始進行高超聲速武器防御體系的建設工作. 介紹了高超聲速武器的防御難點, 梳理了以美俄為代表的國外高超聲速武器防御體系的發展現狀與存在問題, 分析了高超聲速武器防御體系的發展趨勢, 并指出了發展過程中可能面對的風險與挑戰.

高超聲速武器是一類能在大氣層內以超過 5 Ma 速度受控飛行的武器, 具有打擊速度快、機動性能 好、突防能力強等特點, 吸引以美俄為首的軍事大 國在該領域展開激烈角逐. 俄羅斯率先將“先鋒”（A原 vangard）、“匕首”（Kinzal）高超聲速助推滑翔導彈投 入現役, 積極開展“鋯石”（Zircon）高超聲速巡航導彈 的國家試驗工作, 并披露了“小精靈”（Gremlin）、“幼 蟲-MD”（Larchinka-MD）、“銳利”（Ostrota）與 Kh-95 等多款高超聲速巡航導彈的發展計劃. 美國密集進 行高超聲速武器試驗, 全力推動“常規快速打擊” （conventional prompt strike, CPS）、“遠程高超聲速武 器”（long-range hypersonic weapon, LRHW）和“空射快 速 響 應 武 器 ”（air -launched rapid response weapon, ARRW）三大高超聲速助推滑翔武器項目形成裝備級 成果, 并試圖借助“吸氣式高超聲速武器概念”（hy原 personic air-breathing weapon concept, HAWC）、“超 聲速推進先進沖壓發動機”（supersonic propulsion en原 abled advanced ramjet, SPEAR）、“一次性吸氣式高超 聲速多任務演示器”（Mayhem）等項目在高超聲速巡 航導彈武器領域取得突破. 預計到 2030 年, 將有一 批發展成熟的高超聲速武器型號進入各國裝備序列, 成為其作戰體系的有機組成部分. 與此同時, 高超聲 速武器技術的快速發展打破了攻守雙方的平衡態勢, 加劇了各國對高超聲速武器防御體系的構建需求. 從介紹高超聲速武器的防御難點入手, 分析國外典 型高超聲速武器防御體系的建設現狀與存在問題, 預測了高超聲速武器防御體系的發展趨勢。

雖然深度學習技術在雷達圖像處理任務中獲得了部分應用, 但缺乏對黑盒模型的可解釋性分 析和全面的性能評估, 限制了該技術在雷達圖像領域中的應用性能、可信度和廣泛性. 本文從可解釋 性入手, 提出了雷達圖像深度學習黑盒模型分析思路, 在開源 MSTAR 雷達圖像數據集上進行實驗驗 證. 從深度學習模型的遷移機制和認知機理兩個方面進行分析, 得到了關于遷移學習、歸因方法應用 和模型魯棒性評估方面的相關結論, 填補了現有研究的空白.

近些年來, 深度學習技術正逐步從光學圖像領域應用到雷達圖像領域, 在雷達目標識別、場景分 類和目標檢測等雷達圖像處理任務中取得了部分研究成果 [1, 2] . 目前深度學習模型在以上任務中表現 出了優良性能, 但仍存在一些尚待研究的問題. 一是需要根據雷達與光學圖像的顯著差異性, 進一步解釋深度學習模型在雷達圖像領域中的遷移 機制, 指導雷達圖像深度學習模型的優化設計. 由于雷達與光學成像機理不同, 所得到的圖像為目標 散射點分布. 如圖 1 所示, 在 MSTAR 數據集 [3] 中表現為呈離散分布、強度不同的散射點, 與所對應 的光學圖像之間存在明顯差異. 將在光學圖像領域中取得成功應用的深度學習模型遷移到雷達圖像領 域時, 應當充分考慮這種差異性. 文獻 [2] 梳理了小樣本條件下基于遷移學習的雷達圖像目標識別方 法, 部分研究針對兩者的差異性設計了相應方法提高目標識別率, 但缺乏對其遷移機制影響的深入分 析, 可解釋性研究有望為深度學習模型在雷達圖像領域中的設計與優化提供全新的視角和知識. 二是由于雷達圖像目標之間、目標與背景之間具有較強相似性, 需要對深度學習模型認知機理的 分析評估, 保證其在實際任務中的應用性能和可信度. 如圖 1 所示, 這種相似性給人的認知和理解帶來了極大的困難, 需要分析模型是否正確表征了目標信息. 目前對于模型的分析評估大多依賴于識別 率, 對實際任務而言, 識別率是對問題的不充分描述, 這可能會使得模型出現錯誤, 例如模型利用背景 信息的相關性提高識別率. 文獻 [4] 提到華盛頓大學 (University of Washington) 的一項實驗, 旨在創建 哈士奇與狼的識別器, 但模型實際上是根據背景是否存在積雪來進行識別的, 學習到的是背景干擾與 識別結果的強相關性, 而不是目標特征與識別結果之間的因果性. 文獻 [5] 同樣指出, 在測試集上的高 識別率并不能保證模型學習到正確的特征表征. 僅靠識別率等性能指標不能保證模型在實際任務中正 常工作, 也不能滿足在某些關鍵任務 (如醫療、交通和軍事等) 中人們的認知和決策需要. 因此, 只有 對深度學習模型認知機理的分析說明和識別結果的可信解釋, 才能提高人們對于其黑盒模型的信任, 保證人們依靠其作出相應決策.

針對以上兩個問題, 本文將使用可解釋性方法 [6, 7] 作為分析工具從兩方面展開研究. 一是通過可 解釋性方法對比分析雷達和光學圖像對深度學習模型的影響, 獲取其黑盒模型內部知識, 解釋深度學 習模型遷移機制, 從而進一步理解應用深度學習技術. 二是通過主觀分析和客觀指標評估可解釋性方 法和深度學習模型, 從而在準確性和魯棒性方面得到可信結論, 以此對其黑盒模型的認知機理作出分 析評估, 為實際決策提供幫助. 目前可解釋性方法可分為事后解釋 (post-hoc) 方法和事前設計 (ante-hoc) 方法. 事后解釋方法 針對已經訓練好、不具備可解釋性的黑盒模型進行研究, 通過可視化展示模型內部結構、基于歸因 方法 (attribution algorithms) 分析模型識別重點、使用特定輸入研究模型、比較不同模型結構性能 等方式, 挖掘模型內部知識和解釋模型認知機理. Zeiler 等 [8] 提出反卷積 (deconvnet) 的分析方法. Simonyan 等 [9] 提出兩種基于梯度的分析方法. Szegedy 等 [10] 通過單元分析方法探索神經元的語義 信息, 并發現了對抗樣本. Frankle 等 [11] 提出樂透假設 (lottery ticket hypothesis) 發現訓練成功的大 型網絡中包含一個相同性能的稀疏子網絡. 事前設計方法構建具有明確語義或物理信息的模型, 可將在數學物理上具有明確意義的方法與深 度學習模型相結合, 提高模型的可解釋性. 如通過知識蒸餾結合神經網絡和結構化的邏輯規則 [12] ; 利 用注意力機制同時生成圖像和文本解釋 [13] ; 貝葉斯 (Bayes) 深度學習將深度學習模型的感知能力和 貝葉斯模型的因果邏輯推理能力相結合 [14] ; Gu 等 [15] 基于最優傳輸理論得到了半透明的生成對抗網絡. 事前設計方法也可設計本身在語義、物理等層面上具有可解釋性的模型. Sabour 等 [16] 提出膠囊 網絡 (capsule network) 模型, 膠囊單元不同維度表征了手寫數字的語義信息; Zhang 等 [17] 設計了一 種帶有可解釋性的卷積核. 當前, 有關雷達圖像領域的深度學習可解釋性方面研究較少. 郭煒煒 [18] 討論了關于合成孔徑雷 達 (synthetic aperture radar, SAR) 圖像目標識別的可解釋問題, 從模型理解、模型診斷和模型改進等 方面進行了初步探討, 但暫無對雷達圖像深度學習黑盒模型可解釋性的具體實驗研究. 本文結合目前深度學習可解釋性方面的研究進展, 以雷達目標識別任務為例, 在 MSTAR 的 SAR 圖像數據集上進行事后解釋方法的實驗分析, 實驗結果有效揭示了深度學習模型在雷達圖像領域中的 遷移機制和認知機理, 并且詳細地提供了相應的分析思路和結論, 填補了當前對雷達圖像深度學習黑 盒模型可解釋性的研究空白. 主要貢獻如下: (1) 基于事后分析方法提出了雷達圖像深度學習黑盒模型分析思路, 為可解釋性方法在雷達圖像 領域中的應用奠定基礎; (2) 通過實驗比較分析了雷達和光學圖像對于模型內部的影響, 得到了關于深度學習在雷達圖像 領域中遷移機制的分析結論; (3) 通過歸因方法分析了深度學習黑盒模型的認知機理, 從可解釋性角度提出了 SAR 目標識別模 型魯棒性評估的新方法.

本文后續結構組織如下: 第 2 節介紹相關工作, 第 3 節面向雷達圖像領域提出深度學習黑盒模型 分析思路, 第 4 節依據所提思路進行實驗驗證, 第 5 節對全文總結并提出下一步研究方向.

摘要： 人工智能并沒有一個統一的定義,但若一個計算機系統能做人需要智能才能做的事,一般便認為這樣的計算機系統具有人工智能。因此,人工智能被廣泛應用于許多需要人類智能的領域,如法律、醫療、金融、電子商務等,其中法律是當前的一個重要應用領域。因此,文中主要從立法(人工智能系統輔助立法以及立法監管人工智能系統,特別是自主駕駛汽車)、知法守法(法律信息的檢索、法律文書的生成和審核)、司法(證據收集、法律推理以及在線糾紛解決)等方面綜述了人工智能和法律結合的研究現狀以及發展趨勢,希望能引導更多人投入這個研究領域。