حسن اکبریان - دانشجوی دوره دکتری مهندسی برق_مخابرات، دانشگاه صنعتی سهند تبریز
محمد حسین صداقی - دکتری مهندسی برق_مخابرات، دانشگاه صنعتی سهند تبریز،

سازمان های - نظامی مانند هر سازمان دیگر بایستی برای رسیدن به توانمندی و قدرت، مبتنی بر دانش باشد. سامانه فرماندهی و کنترل باید با گسترش دانش های جدید از قبیل شبکه مصنوعی، سلسله مراتب سازمانی را کاهش داده و بر سرعت عمل عملیات های نظامی بیفزاید. شبکه های عصبی پیشرفت چشمگیری در شناسایی و طبقه بندی اهداف داشته که اخیرا در شناسایی خودکار اهداف توسط رادارهای روزنه مصنوعی نتایج خوبی استخراج شده است. در این مقاله کاربرد یادگیری ژرف در شناسایی خودکار هدف، با استفاده از شبکه عصبی کانولوشنال، قبل از هموارسازی تصویر و بعد ازهموارسازی آن، بر روی تصاویر مادون قرمز مورد بررسی قرار گرفته است.هدف از این تحقیق، دستیابی به نرخ خطای کم به منظور شناسایی دقیق اهداف نظامی توسط سنسورهای تصویری می باشد. الگوریتم طراحی شده قادر خواهد بود یک تصویر را به درستی به عنوان هدف طبقه بندی نماید. به منظور جلوگیری از بیش برازش، بیشترین تعداد تصاویر آموزشی برای عملکرد بهینه تعیین شده است. از کرنل تابع گوسی برای از بین بردن نویزهای ناخواسته و هموارسازی تصویر استفاده شده است. از این روش میتوان در کاربردهای مختلف نظامی از جمله فرماندهی و کنترل هوشمند استفاده نمود.

شبکه عصبی کانولوشنی، فرماندهی و کنترل، فیلتر گوسی، یادگیری ژرف