一种手持机指挥方法、指挥系统、服务器及存储介质技术方案

本申请公开了一种手持机指挥方法、指挥系统、服务器及存储介质，属于指挥控制领域，包括如下步骤：步骤1：采集外部的信息数据；步骤2：对所述信息数据进行归一化处理；步骤3：将归一化处理后的信息数据输入人工神经网络进行数据处理并输出运算结果数据；步骤4：对所述运算结果数据进行反归一化处理，形成指挥调度指令。直接由人工神经网络进行处理并输出指挥调度指令，极大地提升对外部信息的分研判断速度；运用大数据对人工神经网络进行训练，有助于提高指挥决策的有效性，而且便于更新和迭代。代。代。

【技术实现步骤摘要】
一种手持机指挥方法、指挥系统、服务器及存储介质


[0001]本申请属于指挥控制领域，特别涉及一种手持机指挥方法、指挥系统、服务器及存储介质

技术介绍

[0002]人工神经网络（artificial neural network，ANN），简称神经网络（neural network，NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。
[0003]神经网络是一种运算模型，由大量的节点（或称“神经元”）和之间相互的联接构成。每个节点代表一种特定的输出函数，称为激励函数、激活函数（activation function）。每两个节点间的联接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式、权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。
[0004]人工神经网络通常是通过一个基于数学统计学类型的学习方法得以优化，所以人工神经网络也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，通过数学统计学的应用可以来做人工感知方面的决定问题，这种方法比起正式的逻辑学推理演算更具有优势。
[0005]在传统的手持机指挥控制中，尚未将人工神经网络应用至该领域中，由于战场环境或者防洪抗灾等领域环境瞬息万变，各种信息复杂多变，传统的手持机的态势感知、分研判断以及调度指挥策略等时间过长、有效性不高，无法做出高效率的指挥调度。
[0006]因此，需要一种基于人工神经网络的手持机指挥方案，能够解决上述问题。

技术实现思路

[0007]为了解决所述现有技术的不足，本申请提供了一种手持机的指挥控制方法，通过搭建人工神经网络，对该人工神经网络完成训练后，对外部态势进行归一化处理输入人工神经网络后即可输出相应的指挥调度指令，解决了战场、防洪抗灾领域的态势感知、分研判断和调度指挥策略困难的问题。
[0008]本申请所要达到的技术效果通过以下方案实现：根据本专利技术的第一方面，提供了一种手持机指挥方法，包括如下步骤：步骤1：采集外部的信息数据；步骤2：对所述信息数据进行归一化处理；步骤3：将归一化处理后的信息数据输入人工神经网络进行数据处理并输出运算结果数据；
步骤4：对所述运算结果数据进行反归一化处理，形成指挥调度指令。
[0009]优选地，在步骤2中，归一化处理的具体方式为：将信息数据与归一化数据库中的数据进行对应，输出归一化的量化值。
[0010]优选地，所述人工神经网络包括输入层、隐含层以及输出层，其中：所述输入层用于输入所述量化值；所述隐含层用于接收来自输入层的量化值并进行内部学习，用权重值与阈值把输入层和输出层连接起来；所述输出层用于输出所述运算结果数据。
[0011]优选地，所述人工神经网络通过训练后再应用至步骤3中，所述人工神经网络的训练方式为：步骤41：将训练数据进行归一化处理；步骤42：将归一化处理的训练数据输入建立的BP神经网络中；步骤43：重新设置参数并测试BP神经网络，输出测试数据；步骤44：对输出的测试数据进行反归一化处理；步骤45：判断当前测试数据是否满足条件，若满足则完成训练，若不满足则返回步骤41继续进行训练。
[0012]优选地，在步骤45中，是否满足条件具体为：当前测试数据的误差是否达到精度要求，若达到精度要求则满足条件，否则不满足条件。
[0013]优选地，是否满足条件还包括：判断当前学习次数是否达到设定值，若达到设定值则满足条件，否则不满足条件。
[0014]优选地，在步骤43中，重新设置参数的方法为：采用标准误差逆传播算法更新权重值。
[0015]根据本专利技术的第二方面，提供一种手持机指挥系统，包括手持机主机与手持机下属机，其中：所述手持机主机，用于接收数据并进行归一化处理，将每个归一化处理的数据输入神经网络中进行计算得出运算结果数据，将所述运算结果数据反归一化处理得到指挥调度指令，最后将所述指挥调度指令发送至手持机下属机；所述手持机下属机用于收集数据并将所述数据发送至手持机主机，以及接收所述手持机主机的指挥调度指令。
[0016]根据本专利技术的第三方面，提供一种服务器，包括：存储器和至少一个处理器；所述存储器存储计算机程序，所述至少一个处理器执行所述存储器存储的计算机程序，以实现上述手持机指挥方法。
[0017]根据本专利技术的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现上述手持机指挥方法。
[0018]本专利技术的技术效果在于，通过搭建和训练人工神经网络，将下属机获取的数据进行归一化处理后，直接由人工神经网络进行处理并输出指挥调度指令，极大地提升对外部信息的分研判断速度；运用大数据对人工神经网络进行训练，有助于提高指挥决策的有效性，而且便于更新和迭代。
附图说明
[0019]为了更清楚地说明本申请实施例或现有的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0020]图1为本申请一实施例中一种手持机指挥方法的流程图；图2为本申请一实施例中一种服务器的结构示意图。
具体实施方式
[0021]为使本申请的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本申请的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0022]如图1所示，本申请一实施例中，提供了一种手持机指挥方法，包括如下步骤：S110：采集外部的信息数据；在该步骤中，由手持机下属机，如手机等，采集外部信息数据，该外部信息数据例如是地形因素、敌方兵力、消防火情态势等数据；外部信息数据通过手动输入的方式输入至下属机中。
[0023]S120：对信息数据进行归一化处理；在该步骤中，归一化处理的具体方式为：将信息数据与归一化数据库中的数据进行对应，输出归一化的量化值。
[0024]其中归一化数据库的主要目标是将地形因素、敌方兵力、消防火情态势等数据转化为计算机可识别的数据，以地形因素为例，地形特点（信息数据）与量化值的对应关系如表1所示：表1地形特点与量化值的对应关系表地形特点量化值地形特点量化值平坦的密林地0010崎岖的贫瘠地形0100平坦的混合地形0001本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种手持机指挥方法，其特征在于，包括如下步骤：步骤1：采集外部的信息数据；步骤2：对所述信息数据进行归一化处理，归一化处理的具体方式为：将信息数据与归一化数据库中的数据进行对应，输出归一化的量化值；步骤3：将归一化处理后的信息数据输入人工神经网络进行数据处理并输出运算结果数据；步骤4：对所述运算结果数据进行反归一化处理，形成指挥调度指令。2.根据权利要求1所述的手持机指挥方法，其特征在于，所述人工神经网络包括输入层、隐含层以及输出层，其中：所述输入层用于输入所述量化值；所述隐含层用于接收来自输入层的量化值并进行内部学习，用权重值或阈值把输入层和输出层连接起来；所述输出层用于输出所述运算结果数据。3.根据权利要求2所述的手持机指挥方法，其特征在于，所述人工神经网络通过训练后再应用至步骤3中，所述人工神经网络的训练方式为：步骤41：将训练数据进行归一化处理；步骤42：将归一化处理的训练数据输入建立的BP神经网络中；步骤43：重新设置参数并测试BP神经网络，输出测试数据；步骤44：对输出的测试数据进行反归一化处理；步骤45：判断当前测试数据是否满足条件，若满足则完成训练，若不满足则返回步骤41继续进行训练。4.根据权利要求3所述的手持机指挥方法，其特征在于，在步骤45...

【专利技术属性】
技术研发人员：姚文明，周长军，徐明阳，李峥，胡晓迪，
申请(专利权)人：北京太极疆泰科技发展有限公司，
类型：发明
国别省市：