Распознавание типов баллистических ракет с помощью нейронных сетей по траекторной информации

Апочкина, Е. Ф.; Прокофьева, Т. В.; Апорович, В. А.

Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/61978

Title:	Распознавание типов баллистических ракет с помощью нейронных сетей по траекторной информации
Other Titles:	Srecognition of ballistic missile types using neural networks based on trajectory information
Authors:	Апочкина, Е. Ф. Прокофьева, Т. В. Апорович, В. А.
Keywords:	доклады БГУИР;баллистические ракеты;нейронные сети;радиолокационные станции
Issue Date:	2025
Publisher:	БГУИР
Citation:	Апочкина, Е. Ф. Распознавание типов баллистических ракет с помощью нейронных сетей по траекторной информации = Srecognition of ballistic missile types using neural networks based on trajectory information / Е. Ф. Апочкина, Т. В. Прокофьева, В. А. Апорович // Доклады БГУИР. – 2025. – Т. 23, № 5. – С. 58–65.
Abstract:	В статье представлены результаты решения задачи распознавания типов баллистических ракет с помощью нейронных сетей по траекторной информации. Для распознавания использовалась траекторная информация от радиолокационных станций, сопровождающих данные баллистические объекты. Рассмотрено распознавание с помощью нейронных сетей по параметрам «высота – энергетическая высота». Моделирование показало, что при примерно одинаковом времени решения задачи вероятность правильного распознавания для нейронных сетей прямого распространения (Feed forward neural network, FFNN) существенно больше, чем для алгоритма с разбиением плоскости на ячейки, использовавшегося для сравнения.
Alternative abstract:	This article presents the results of solving the problem of recognizing ballistic missile types using neural networks based on trajectory information. Trajectory information from radar stations tracking these bal listic objects was used for recognition. Recognition using neural networks based on the “altitude – energy alti tude” parameters is considered. Simulations showed that, with approximately equal solution times, the probability of correct recognition for feedforward neural networks (FFNN) is significantly higher than for the plane-cell-based algorithm used for comparison.
URI:	https://libeldoc.bsuir.by/handle/123456789/61978
DOI:	http://dx.doi.org/10.35596/1729-7648-2025-23-5-58-65
Appears in Collections:	Том 23, № 5

Files in This Item:

File	Description	Size	Format
Apochkina_Raspoznovanie.pdf		645.95 kB	Adobe PDF	View/Open

Show full item record Google Scholar