این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
راهبرد دفاعی، جلد ۲۳، شماره ۹۰، صفحات ۰-۰
عنوان فارسی طراحی الگوی فرماندهی و کنترل هوشمند ارتش جمهوری اسلامی ایران مبتنی بر کلان داده
چکیده فارسی مقاله الگوی فرماندهی و کنترل هوشمند، یک مفهوم نظامی مدرن است که از داده‌های بزرگ و تجزیه‌وتحلیل پیشرفته برای افزایش تصمیم‌گیری و اثربخشی عملیاتی استفاده می‌کند. می‌توان از الگوریتم‌ها و الگوهای یادگیری ماشینی برای فرماندهی و کنترل هوشمند آجا مبتنی بر کلان‌داده استفاده کرد. این مسئله شامل استفاده از الگوریتم‌های یادگیری تقویتی برای اتخاذ تصمیمات هوشمندانه، استفاده از شبکه‌های عصبی برای تشخیص الگوها، پیش‌بینی رفتارها و استفاده از روش‌های تحلیل کلان‌داده برای استخراج اطلاعات مفید از داده‌های نظامی حجیم، می‌شود. به‌عنوان مثال، می‌توان از الگوهای پیش‌بینی برای پیش‌بینی حملات نظامی یا از الگوریتم‌های یادگیری تقویتی برای بهینه‌سازی تخصیص منابع نظامی استفاده کرد. هدف این تحقیق «طراحی الگوی فرماندهی و کنترل هوشمند ارتش جمهوری اسلامی ایران مبتنی بر کلان‌داده» است. در این تحقیق که از نظر هدف، کاربردی- توسعه‌ای و از نظر روش توصیفی- تحلیلی است؛ گردآوری داده‌ها به‌صورت کتابخانه‌ای با کمک ابزار پرسش­نامه و مصاحبه و در دو مرحله کیفی (روش دلفی) و کمی (پرسش­نامه) انجام گرفته است. جامعه آماری تعداد 63 نفر به‌صورت تمام شمار انتخاب گردید. الگوی طراحی شده متشکل از 4 بُعد، سه مؤلفه برای 3 بُعد (لایه کاربردی، لایه داده و لایه زیرساخت) و یک مؤلفه پردازش و تحلیل داده برای بُعد سکوی خدمات داده، در مجموع 10 مؤلفه و 60 شاخص است. اعتبار الگو با استفاده از محاسبه آلفای (بالای 676/0)، پایایی ترکیبی و محاسبه ضرایب بار عاملی تأیید گردیده است.
کلیدواژه‌های فارسی مقاله الگو،فرماندهی و کنترل،عملیات چنددامنه‌ای،فناوری هوش مصنوعی،فناوری کلان داده،ارتش ج.ا.ایران،
عنوان انگلیسی Designing a Big Data–Based Smart Command and Control Model for the Islamic Republic of Iran Army
چکیده انگلیسی مقاله The smart command and control model is a modern military concept that leverages big data and advanced analytics to enhance decision-making and operational effectiveness. In this regard, machine learning algorithms can be employed to develop a big data–driven command and control system for the Islamic Republic of Iran Army. Such an approach involves applying reinforcement learning algorithms for intelligent decision-making, utilizing neural networks for pattern recognition and behavior prediction, and employing big data analytics methods to extract actionable insights from massive military datasets. For instance, predictive models can be used to anticipate military attacks, while reinforcement learning algorithms may optimize the allocation of military resources. The objective of this study is to design a big data–based smart command and control model for the Islamic Republic of Iran Army. The research adopts an applied-developmental orientation and a descriptive-analytical method. Data were collected through a library study, supplemented by questionnaires and interviews, in two stages: a qualitative phase (Delphi method) and a quantitative phase (survey). The statistical population consisted of 63 individuals selected through a census approach. The proposed model encompasses four dimensions, including three components across three layers (application, data, and infrastructure), and one data processing and analytics component within the data-service platform dimension resulting in a total of 10 components and 60 indicators. The model’s validity was confirmed through Cronbach’s alpha (greater than 0.676), composite reliability, and factor loading coefficients.
کلیدواژه‌های انگلیسی مقاله الگو,فرماندهی و کنترل,عملیات چنددامنه‌ای,فناوری هوش مصنوعی,فناوری کلان داده,ارتش ج.ا.ایران
نویسندگان مقاله حمید عظیمی زاده |
دانشکده امنیت د انشگاه عالی دفاع ملی ستاد کل ن.م

محمد سپهری |
دانشگاه پدافند هوایی خاتم‌الانبیاء

خداداد هلیلی |
دانشگاه علوم و فنون هوایی شهید ستاری

احد نقوی |
معاونت فاوا و پدافند سایبری آجا

نشانی اینترنتی https://ds.sndu.ac.ir/article_3626_6db48a9fdba8dc8d1c07205ae3c64298.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات