基于深度学习的神经网络技术在信息通信领域的应用研究

深度学习神经网络技术是人工智能技术的前沿领域，该技术的应用在政治学、国民经济、军队、社区乃至人们本身都产生深远的影响，在信息通信领域的应用对提升部队战斗力也有着重要的意义。本文介绍了深度学习神经网络技术以及在军事领域的应用，概述了该技术在信息通信领域的应用，分析发现通过该技术的应用不仅可以提升通信抗干扰能力、提升通信质量，还能在网络故障预警中提升排障效率，该技术在信息通信领域的研究具有重要意义。

指挥作战中，军事通信属于基本途径。信息化时代到来之后，军事活动及作战形式产生了一定变化， 科技战争占领了当前军事战争的主导，科技的先进性可在极大程度上直接决定战争结果。因此，军事通信中必须融入现代化信息通信技术，以便军事活动得以顺利开展[1]，随着深度学习神经网络技术近年来蓬勃发展，将其运用于信息通信领域，是军事通信融入现代化信息通信技术的重要体现之一，目前已有不少学者展开了该领域的研究，基于深度学习的神经网络技术在信息通信领域的应用对催生部队战斗力具有重要意义。

2. 深度学习神经网络技术 深度学习(Deep Learning, DL)是一项很复杂的机器学习算法，是机械学习中的众多算法之一，为新一代人工智能应用领域所研究的热点话题，早期来自于对人工神经网路(ANN)的研究。深度学习模型采用了大数据特征，并运用了分类、回归和统计等算法解决各种问题，在图片辨识、语音识别、自然语言信息处理、目标检索等领域方面都有着自身的优点。

深度学习技术的发展大致可分为两个阶段[2]。一浅层学习阶段，利用计算机来模拟人脑思考过程的算法最早起源于MCP 人工神经元模型，其算法思想诞生于1943 年，由神经科学家麦卡洛克(W.S.McCilloch)和数学家皮兹(W.Pitts)共同提出， 但由于感知器只能处理线性分类问题， 人工神经网络的研究也停滞长达20 年。到20 世纪80 年代，著名人工智能专家Hinton 教授发明了BP 神经网络算法，采用逆向传播的思想进行网络参数的学习，解决了数据的非线性分类问题，掀起了第二次人工神经网络的研究热潮；二深度学习阶段，2006 年，Hinton 教授解决了BP 神经网络算法梯度消失的问题，使深度学习技术开启新的发展，Hinton 团队在利用该技术在图像识别比赛中一举夺魁后，深度学习算法逐渐取代了传统机器学习方法，成为人工智能中最热门的研究领域。

近年来，深度学习技术在机械文本翻译技术、自然语言文本信息处理、图片辨识、视频辨识、人机博弈、智慧机器人系统科技和传统人工智能科技应用都获得了很大发展，在金融服务、医疗保健、物流配送、城市交通等各行各业技术领域也被人们应用。未来五至十年深度学习依然是最重要的算法之一，