1

 

随着互联网、大数据和智能传感等技术的发展,各类数据信息极大地丰富和发展,呈现数据来源广、数据类型多、数据量大等特征。辰创科技基于多模态信息共性表征和关联、多线索取证挖掘、少样本学习等人工智能前沿技术,为更加有效地挖掘利用大数据信息,提供具有精准和有效的辅助决策建议。
新一代智能指控系统
——
应用场景
目标识别
情报处理
态势分析
辅助决策
高精度人脸识别

  基于概率决策的神经网络方法 ,采用虚拟样本进行强化和反强化学习,并采用模块化的网络结构 (OCON)加快网络的学习,识别准确率大于95%。

光电目标识别
  对可见光、红外和微波等多传感器对目标进行探测和识别,基于人工智能与计算机视觉等技术,对监测目标进行关联分析和交叉印证,实现对探测目标的识别和捕获。
飞机进出场观测

  通过生成对抗网络的超分辨力重建技术和基于回归深度学习目标识别技术,实现远距离起落架收放状态识别。

目标识别  
事件多模态表征挖掘
  情报信息往往是分散零乱的 ,通过对多模态情报信息统一表征、挖掘,实现情报信息科学分类、组织和管理,有助于从事件抽象角度对情报信息进行整体把握,提升情报信息的利用价值。
事件演化分析平台

  情报信息往往是分散零乱的 ,其中所包含的事件关系也是混乱没有规律的,通过对事件的时间和因果关系进行分析挖掘,形成有序的事件逻辑关系,有助于从整体上对事件进行把握。

情报处理  
虚假事件识别
  在互联网平台上发布的多媒体信息,通过跨模态表征及多取证线索挖掘与关联技术,有效实现虚假媒体信息的精准识别和及时阻断。 
装备实力预测

  针对装备不断列装,力量结构越来越复杂,装备规模结构管理缺乏综合分析能力等现状,通过大数据智能技术与装备管理业务深度融合,综合考虑装备生产、使用、调配、维修等多重因素,准确掌握和预测装备规模和力量结构现状和趋势,为装备管理和军情处置提供支撑。

敏感事件预测

  利用互联网上发布的用户微博等信息,刻画针对事件和用户的画像模型,预测新出现事件哪些会快速传播。

  该成果可转化为依托JD情报信息,对重大敏感事件发展趋势以及对未来将参与军事力量预测。

态势分析  
物资运送

  利用深度学习算法技术,通过对物资数量、体积等基础数据分析,对各环节如货物配置、运输车辆等进行智能调度。在物流转运中心、仓库选址上能够结合运输线路、部队分布、地理状况等信息进行精准匹配,从而优化选址、提升效率。

决策控制

  针对突发事件中,在行动前针对事件自动生成应对处置方案,包括我方应对力量的部署、行动路线等,及时生成相应的应对策略,辅助指挥员突破时间和脑力的约束,生成高效、准确的决策。

辅助决策