基于注意力-生成对抗网络的任务分析方法研究.pdfVIP

://

httwww．skx．com

pjj

:/

DOI１０．１１８９６skx．２２１１０００１２

jj

基于注意力生成对抗网络的任务分析方法研究

Ｇ

周琳茹彭鹏菲

中国人民解放军海军工程大学电子工程学院武汉

４３００３０

()

１０７８５９１３３９＠．com

qq

、,、

摘要合理的任务分析可帮助分析者快速准确地进行任务规划目前使用案例推理方法进行任务分析存在分析时间长分

.,.()

析结果准确性较低等问题针对该问题提出了基于注意力生成对抗网络的任务分析方法以长短时记忆网络为生

ＧLSTM

、(),,

成器循环神经网络RNN为判别器针对离散数据细微梯度的更新无法回传的问题在生成器中使用rolloutolic对生成的

py

,(),

不完整序列进行推理补充在判别器中使用蒙特卡罗MC进行数据采样得到完整的数据序列动作价值函数从而指导生成器

;、,,

的参数更新针对稀疏数据特征不明显数据重点不明确等问题在生成对抗网络训练前加入软注意力机制为不同特征赋予不

,.

同权重从而过滤冗余数据筛选出重要的特征数据将该方法与未加入注意力机制的生成对抗网络在同一模拟数据集上进行

,,()、()、()

对比实验结果表明加入注意力机制后的方法在精确率P召回率RF１值和准确率Accurac４种评价指标上分别提升

y

,,,,,,,,

了和与其他神经网络推荐算法相比在值和上分别提升了

０．０８８０．０９２０．０９４０．０６８PRF１Accurac０．１~０．３０．１~