几类基本学习认知模型

本文给出了几个类型的学习认知模型,并加以讨论     

基于深度学习的联邦学习中数据隐私保护方法

拆分学习可在不共享原始数据的情况下,由客户端同服务端协作训练深度学习模型,成为隐私保护领域的研究热点。然而,拆分学习仍面临数据重构攻击,其威胁着参与者的敏感信息。提出基于二进制拆分学习的数据隐私保护算法。BSLP算法将客户端所训练的本地模型进行二值化,降低由拆分层输出值导致的数据泄露损失。BSLP算法引用差分隐私机制,在数据中添加噪声,进而泛化数据。以4个典型的数据集进行实验,分析BSLP算法的分类准确率和隐私保护性能。分析结果表明,提出的BSLP算法在MNIST数据集上的分类准确率达到97%,而KL散度为3.68,验证了BSLP算法具有较强的隐私保护性能的事实。     

基于异态集成学习的飞行目标辅助识别模型

对飞行目标类型的准确识别是空中作战意图识别的前提和基础。针对当前各类识别模型在训练样本较少时,较难同时获得模型的稳定性和较好的泛化能力且在线学习能力较差的问题,提出了一种基于异态集成学习的飞行目标辅助识别模型,将k近邻学习模型与BP神经网络模型进行整合,使模型兼具训练稳定性与较好的泛化能力;通过算法设计,模型具有了整体动态更新的能力。基于某作战仿真系统完成飞行目标识别实验,对比了该模型与各类模型的性能表现。实验结果显示所提出的模型识别正确率稳定在90%左右,且在个体学习器的基础上至少提高2%。     

路面不平度的频谱分析及其AR模型

描述了路面不平度的统计特性,建立了AR模型。运用现代谱估计的方法对沙土地、硬土地和耕地等非人工路面的频谱特性进行了分析,得到了沙土地等3种路面的加速度功率谱和位移功率谱密度曲线图。结果表明,沙土地和耕地路面要好于硬土地路面,该结论与常识相符,验证了用AR模型法进行功率谱分析的可靠性和可行性。     

陆战Agent学习机理模型研究

陆战Agent是陆军作战复杂系统ABMS核心的基础要素,学习是陆战Agent适应复杂动态陆战环境的重要能力,如何构建符合陆军作战特点的陆战Agent学习机理模型,是陆军作战复杂系统ABMS必须要解决的关键问题之一。通过陆战Agent基于效果学习本质特征和强化学习算法的分析,结合陆战Agent通信和指挥控制的特点,提出了基于知识共享的陆战Agent PS强化学习机理模型。与一般强化学习模型相比,该模型既能解决感知混淆和学习一致性的问题,又能节省存储空间,提高运行效率,还可实现不同形式的知识共享,增强陆战Agent系统的整体学习和完成作战任务的能力。     

基于Krsul分类法与联邦模型的脆弱性数据库系统

在分析脆弱性数据库研究现状的基础上 ,指出现有脆弱性数据库系统数据管理方法的不足之处 ,提出基于Krsul脆弱性分类法和联邦模型实现一种脆弱性数据库系统。该脆弱性数据库采用Krsul脆弱性分类法实现脆弱性数据的分类组织 ,采用联邦模型作为数据库系统的体系结构 ,采用Web界面实现数据库的人机接口。     

指挥员作战决策行为的EWA学习模型分析

摘要：为在根本上提高作战决策质量,从行为学角度入手,以指挥员这一“人”为中心,并结合认知科学、心理学等知识对指挥员作战决策行为进行研究。从博弈角度出发,通过引入EWA模型,对指挥员作战决策行为进行分析和优化。结果表明,EWA模型,特别是加入“老练”指挥员后的模型能够明显改善指挥员决策行为,对指挥员,尤其是经验匮乏的指挥员决策行为表现有着重要的作用。     

智能化雷达干扰系统自学习模型研究

首先对自学习进行了阐述;然后研究了雷达对抗中敌我双方的参数、特征知识及知识表示;最后提出智能化雷达干扰系统中的2个过程自学习模型:雷达辐射源识别规则自学习模型和对敌雷达干扰策略自学习模型,为深入研究智能化雷达干扰系统提供模型基础.     

基于深度神经网络的OFDM系统IQ不平衡补偿技术

正交频分复用(OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。本文研究了IQ不平衡对OFDM系统的影响,提出了基于并联深度神经网络的IQ不平衡补偿技术。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用IQ不平衡的干扰信号来自镜像子载波的先验知识来初始化神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的导频的最小二乘（LS）估计补偿IQ不平衡的算法,证明了深度学习方法解决物理层问题的优越性。     

由路面谱重构路面不平度的AR模型法

将等级路面的不平度视为一零均值的噪声序列通过一个AR模型产生的随机序列,通过求解Yule-Walker方程得出AR模型参数,进而得到路面不平度。经数值算例构造出4个等级的路面不平度,验证了用AR模型构造路面不平度方法的可行性与可靠性。     

AMT换挡过程动力学建模及换挡品质影响因素分析

建立了AMT车辆换挡过程动力学模型,并对换挡过程各阶段进行了动力学分析,找出了影响换挡品质的主要因素。得出挂挡阶段和离合器接合阶段是产生换挡冲击和滑磨功的主要阶段,其中离合器接合阶段是换挡品质控制的重点,最后给出了提高AMT车辆换挡品质的具体措施。     

联邦滤波器公共信息分配方法

目前的导航系统多采用以惯导为主的组合导航方案,其组合算法有集中卡尔曼滤波和联邦卡尔曼滤波两种。针对联邦滤波器公共信息分配的问题,分析了常规的固定分配系数的方法及其特点,之后详细讨论了动态分配方案,列出了几种分配模型。最后给出了IN S/GPS/ADS组合导航系统公共信息动态分配的算例。     

一种北斗／CDMA导航系统数据融合的联邦卡尔曼滤波算法

北斗卫星与CDMA无线网络定位相结合的组合导航系统可以广泛应用于军事和民用领域,而有效进行数据融合是提高北斗/CDMA组合导航系统定位精度的关键.针对北斗/CDMA组合导航系统的特点,提出了一种基于联邦卡尔曼滤波的北斗/CDMA导航数据融合算法.算法采用机动目标的"当前"统计模型,分别建立了北斗定位系统和CDMA定位系统的状态方程,通过对相应定位参数进行滤波处理,提高了北斗/CDMA导航系统的定位精度.     

一种面向公共服务的跨域授权模型的研究及实现

文章提出一种基于策略的RBAC的跨域统一授权模型,在基于策略的RBAC单域授权模型的研究基础上,扩展单域模型为多域模型,通过授权控制中心之间建立跨域级联机制,构成广域授权网络,实现面向多应用系统、大型公共服务域的跨域统一自动授权机制.     

战场威胁态势的认知域可视建模

分析已有战场威胁态势的相关研究成果。研究了战场威胁态势的威胁因素的AHP建模,提出了针对认知域的权重和威胁程度混合渲染法,并给出具体实例。实例表明所建模型的有效性和实用性。     

联邦滤波器在INS/GPS/DVS组合导航系统中的新应用

针对某机载导航系统不能满足高精度导航定位需要的问题,采用了动态信息分配系数方法,提出了一种新的基于联邦滤波器的INS/GPS/DVS组合导航方案,通过对各子滤波器的信息分配系数进行优化,增强了组合系统的导航性能.仿真结果表明,该方案充分提取了导航传感器的信息,有效地提高了组合导航系统的精度和故障检测能力.     

基于矢量分配的组合导航容错联邦滤波算法

针对高动态环境下飞行器组合导航系统因不确定故障导致导航精度下降的问题,提出了一种基于矢量信息分配的容错联邦滤波算法。设计矢量形式的故障检测函数,对各观测量进行单独的故障程度划分,克服了将故障子系统所有观测量同时隔离的缺陷;根据观测量是否异常,重构时变量测噪声矩阵和信息分配矢量系数,对子滤波器的状态变量进行信息分配,在隔离故障子系统异常观测量的同时,最大限度地利用正确观测信息。仿真结果表明,采用该算法能够充分发挥各导航子系统的优势,极大提高了导航子系统信息利用率,具有较高的精确性和容错性。