PoKER：用机器学习估算空空导弹杀伤概率的模型
论文AI 评分 52/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一篇论文提出 PoKER 模型，用于超视距空战中估算导弹发射的杀伤概率。传统武器交战区模型按最大、最小、不可逃逸等静态距离划分区域，PoKER 则用机器学习把目标的随机行为和导弹脱靶距离纳入预测，并考虑战斗部杀伤力、目标与射手朝向以及具体交战条件，从而动态评估目标行为。作者认为该模型可辅助超视距空战飞行员进行作战决策。论文共 18 页、10 幅图、5 张表，代码已公开，发表于《The Journal of Defense Modeling and Simulation》。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载与传统 WEZ 模型的差别
传统武器交战区（WEZ）模型依靠最大、最小、不可逃逸等静态距离来划出交战区域，判断方式偏几何化。PoKER 的出发点是把杀伤概率当作需要预测的量，而不是由固定距离阈值直接给出。它引入机器学习，把目标的随机行为与导弹脱靶距离一起作为输入，使评估从静态分区转向动态预测。材料将这一变化描述为对交战分析预测能力的扩展，并强调模型会动态评估目标行为。
输入要素与输出
按摘要描述，PoKER 在预测时纳入三类要素：战斗部杀伤力、目标与射手的朝向、以及具体交战条件。输出是对交战成功概率的量化，并给出对交战动态的洞察。作者把该模型定位为超视距空战飞行员的潜在工具，用途是改善这一特定作战领域内的操作决策。材料没有给出具体精度指标或对比基线，只说明相较静态距离分区方式，预测更为准确。
论文形态与可复现性
该文为已被接收的稿件，共 18 页，含 10 幅图、5 张表，代码通过外链公开。论文归类于机器学习与人工智能方向，ACM 分类为 I.2.6 与 I.6.5，期刊版本刊于 The Journal of Defense Modeling and Simulation。对关注建模仿真与概率估计方法的研究者而言，公开代码与完整图表是复核其方法细节的主要入口。
为什么值得看
展示机器学习在武器交战概率建模中替代静态距离分区的一种具体做法，附代码与期刊版本，可供建模仿真方向参考。
论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。