基于BP神经网络的水下对抗预测模型研究

针对水下平台水下对抗作战量化验证评估困难、指导机动规避作战模型欠缺等问题,设计了一种基于大数据学习的水下对抗预测模型。首先进行水下平台水下对抗建模,基于蒙特卡洛方法执行若干轮次仿真获得规避概率数据集;同时,为解决海量仿真下时间效率不佳的问题,提出利用BP神经网络预测算法进行数据学习,提供准确、快速、可视化的对抗结果。试验结果表明,在本文设定的试验环境下,基于BP神经网络预测算法的平均预测误差为7.28%,可有效对水下平台规避概率进行预测,为指挥员指挥决策提供数据支撑。     

基于深度置信网络的火炮炮口振动预测研究

火炮炮口振动数据准确预测后,可以对火炮随机振动误差进行补偿,对高机动条件下提高装备火控系统的精度具有重要意义。机器学习方法的进步为提高数据预测精度提供了有效途径。提出一种基于深度置信网络的火炮炮口振动预测模型,通过定义阶段、预处理阶段、训练阶段、测试阶段和评价阶段5个阶段,对火炮炮口振动数据进行了预测。结果表明,深度置信网络对炮口振动数据预测可以根据历史数据提取更丰富的数据特征,相较于传统BP神经网络,可以达到更好的预测精度。     

基于深度学习的战场态势评估综述与研究展望

适用于大数据复杂系统的人工智能研究水平,已成为制约战场态势评估技术发展的瓶颈问题.2006年提出的人工智能新研究领域——深度学习,具备多层感知的深度网络模型,体现出非线性表达、多层学习、自主提取等优势,为研究大数据战场态势评估问题提供了技术支持.美军将机器学习作为重点发展的基础研究和应用开发领域,自2007年以来启动多个项目;我军应用与研究领域中,深度学习也得到重视并取得一些有益探索.展望未来,可从空间、时间角度研究大数据战场态势特征,并基于此构建基于深度学习的战场态势评估模型.     

基于遗传BP神经网络的装甲装备器材需求预测

装甲装备器材保障具有规模大、时间紧、消耗大、不确定因素多、决策难度大等特点。准确的需求预测是实施主动的、精细化的器材保障的重要前提条件。利用BP神经网络较强自学习能力和自适应能力对器材需求规律进行学习,并借助遗传算法提高BP神经网络的收敛速度,设计了一种基于遗传算法改进的BP神经网络模型预测方法,对装甲装备器材进行需求预测。通过实例计算表明,该方法比单纯BP神经网络方法具有预测精度高、收敛速度快的优点。     

基于科学计量的机器学习技术发展评估分析

机器学习是通过数据训练使机器获取新的知识和技能的计算机技术，是人工智能技术的核心和前沿领域之一。本文以Web of Science?核心合集收录的机器学习领域相关SCI论文和incoPat全球专利数据库收录的机器学习领域相关专利为数据源，运用科学计量方法对文献数据和专利数据进行时间、地域和机构分布分析，展示了机器学习领域研究实力的分布情况，并对机器学习的发展趋势进行了分析；然后利用主题聚类分析方法及可视化软件VOSviewer，挖掘出机器学习领域的关键技术、技术热点；最后对结果进行了总结分析，以期为我国机器学习发展布局提供参考和借鉴。     

基于频谱分析的飞行模拟器飞行性能验证

介绍频谱分析用于仿真系统模型验证的原理和方法,提出一种应用频谱分析进行飞行模拟器飞行性能验证的方案。结合飞行试验和仿真模型的输出数据,分别采用窗谱估计和最大熵谱估计方法对某型飞行模拟器的飞行性能进行验证,并对验证结果进行分析。结果表明,频谱分析法用于飞行模拟器飞行性能的验证是有效的,可为其他训练模拟器的性能验证提供参考。     

基于神经网络集成方法预测膜蛋白类型

由Chou等人提出的预测膜蛋白分类的机器学习算法在近年来不断改进,使得预测膜蛋白类型的准确率越来越高。但是由于膜蛋白类分布不均衡而导致少数类的预测准确率非常低,使用神经网络集成方法能解决此问题。该方法中Bagging算法通过对多数类欠采样和少数类过采样来解决膜蛋白训练数据集不均衡问题。此外,用神经网络集成方法对已训练数据集和独立数据集进行分类测试,得出神经网络集成方法预测效果优于单个最好神经网络。该方法为解决蛋白质分类预测问题提供了一种新的策略,特别是训练数据集不均衡时,该方法的优势更加明显。     

舰炮火控中滤波和预测的新思路

通过对现有火控中应用的滤波和预测方法的剖析和对火控输入信号及噪音的分析 ,提出了一种新的滤波和预测原理——闭环跟踪滤波原理。采用随动系统原理、误差相消原理和自适应控制原理相结合的方法 ,适合一次或二次运动的目标和噪音频谱大于目标运动频谱 10倍频程以上的情况 ,并能获得既快又精确的目标现在点参数和未来点位置值。     

使用检查维修工作模型的建立

RCMA是制订装备预防性维修大纲的系统方法,可用度是制订军械装备预防性维修周期的主要决策目标,对RCMA七种工作类型之一的使用检查工作建立了以可用度为决策目标的一般模型,举例给出了模型输出结果的特征和敏感性,对几种特殊情况进行了讨论,给出的模型可用于此类问题的维修决策。     

状态维修决策的研究现状与展望

分析了状态维修开放系统结构下状态维修决策的3个关键内容的研究现状:在状态评估方面,对多参数赋权方法在状态评估中的应用进行了分析;在状态预测方面,按照状态描述形式的不同对状态预测方法进行了分析;依据理论基础的不同对状态维修决策优化建模方法进行了分析.在分析研究现状的基础上,提出应在状态维修动态决策、基于多源信息的状态描述建模和数据驱动的状态维修决策等方面加强研究.     

建立雷达探测概率模型的方法

提出了一种建立雷达探测概率模型的方法。该方法采用空间分割算法建立网格,以 雷达检飞资料作为基础数据,用雷达方程推算各个网格中心的探测概率。用该方法建立的探 测概率模型可用于雷达网效能分析、雷达情报综合和辅助决策。     

基于差分自回归移动平均模型的城市火灾趋势预测

以火灾统计数据中的火灾发生起数为研究对象,利用时间序列分析中的差分自回归移动平均模型对城市火灾进行预测。以北京市2000～2006年火灾数据为例,建立了乘积季节模型,进而预测了北京市2007年月火灾发生起数,并与实际值相比较,发现该模型预测结果较为准确,可用于对火灾作短期预测,预测结果可为消防部门的决策提供科学依据。     

多通道图注意力解耦社交推荐方法

提出具有解耦能力的多通道图注意力社交推荐模型,该模型主要包括深度聚类模块、多通道图注意力聚合模块和评分预测模块。其中,深度聚类模块用于对用户和项目进行分组,并利用聚类结果将用户社交图和用户项目图拆分成多个用户社交子图及用户项目子图,以学习用户兴趣分组及用户对不同类项目的兴趣；多通道图注意力聚合模块学习不同子图对预测结果的注意力；评分预测模块将学习到的用户表示向量和项目表示向量输入多层感知机进行评分预测。在多个真实数据集上的实验结果表明:提出的方法优于其他社交推荐算法。与最新的用于社交推荐的图神经网络方法相比,在Ciao和Epinions数据集上,均方根误差分别降低了2.26%和2.07%,平均绝对误差分别降低了2.58%和3.06%。     

频谱感知次序的在线最优选择

动态频谱接入是解决无线电频谱资源短缺和频谱使用效率低下问题的有效方法,它允许次级用户在授权频谱空闲时动态地接入,以进行数据传输。而频谱感知是实现动态频谱接入的关键挑战之一。由于次级用户的感知能力有限,为了获得更多的频谱接入机会,需要尽快找到频谱空闲概率最大的频段,并研究频谱感知次序问题。考虑到频谱空闲概率对次级用户是不可知的,并且会随时间变化,提出了在线学习框架,把频谱感知次序问题归纳成经典多摇臂赌博机问题,并利用在线学习方法——满意折现汤普森抽样算法处理优化问题。仿真结果表明,和其他算法相比,所提算法可以获得更多的频谱接入机会并且能够跟踪频谱空闲概率的变化。     

运用时空大数据增强战场态势感知能力

时空数据是同时具有时间、空间和专题属性的三维数据。近年来,时空大数据技术领域取得重大进展,时空大数据也开始逐渐应用于战场态势感知,辅助联合作战指挥决策,推动了智能化战争的快速演进。本文基于未来战场对一体化联合作战战场态势感知的新要求,从用于支撑战场态势感知的时空大数据平台构建、时空大数据来源拓展和平台的优化利用等三个层次,探讨了打造军事作战资源"一张图"以支撑一体化联合作战战场态势感知的可行性;同时,对时空数据结构、数据平台和数据分析计算方法等方面进行了深入分析和重点布局。研究成果可对解决"参战力量在哪里,可配合的友邻力量有哪些,能使用的军事资源有什么"等问题和提升基于时空大数据技术的联合作战、全域作战能力提供技术及理论支撑。     

【专题】运用时空大数据增强战场态势感知能力

时空数据是同时具有时间、空间和专题属性的三维数据。近年来,时空大数据技术领域取得重大进展,时空大数据也开始逐渐应用于战场态势感知,辅助联合作战指挥决策,推动了智能化战争的快速演进。本文基于未来战场对一体化联合作战战场态势感知的新要求,从用于支撑战场态势感知的时空大数据平台构建、时空大数据来源拓展和平台的优化利用等三个层次,探讨了打造军事作战资源“一张图”以支撑一体化联合作战战场态势感知的可行性;同时,对时空数据结构、数据平台和数据分析计算方法等方面进行了深入分析和重点布局。研究成果可对解决“参战力量在哪里,可配合的友邻力量有哪些,能使用的军事资源有什么”等问题和提升基于时空大数据技术的联合作战、全域作战能力提供技术及理论支撑。     

运筹学原理与作战决策

运筹学是应用数学工具和现代计算技术对事物进行定量分析,从而为决策提供数量依据的一种科学方法,是一门综合性的应用科学。运筹学在军事领域中的应用,催生了军事运筹学。作为军事科学的一门分支,军事运筹学主要用于为制定总的战略方针、作战原则提供定量依据;同时还可以用于作战评估分析,武器装备系统的效能分析;确定军队的战斗能力;选择战斗行动的最佳方案;评估军队指挥、训练、后勤保障系统的效能和预测未来战争和武器装备的发展趋势,以及对国防经济实力进行分析;军事行政管理等方面。运用军事运筹学,可使指挥人员养成数学分析和逻辑思维…     

基于支持向量机的飞机备件需求预测

支持向量机是一种机器学习算法,在国外已广泛应用于工程实践领域。首先探讨了支持向量机回归预测模型的学习和预测机制,分析其中三个重要参数对算法的影响规律,得出一套定性的参数选择方法,然后将支持向量机引入到装备综合保障分析之中,构建了飞机备件智能预测模型,并对某型军用飞机备件需求进行了预测和分析,结果表明:基于支持向量机的备件需求预测是有效的、可行的。     

萤火虫优化的异构集成学习网络入侵检测方法

在网络入侵检测中单独使用一种机器学习方法检测存在盲区,检测精度较低,提出一种基于GSO优化权值的异构集成学习入侵检测算法.在构造基分类器中,通过对样本集的采样和特征集的选择增大各个基分类器样本间的差异性;通过不同学习算法对样本集的学习增强基分类器的差异度,通过加权方式集成得到检测结果.在设计权值时,引入萤火虫优化算法,对各个基分类器的分类结果权值进行优化.在通用数据集和CSE-CIC-IDS2018数据集上的实验,表明提出的方法能够有效提高检测的精度,降低误报率和漏报率.     

基于能力模型的决策优势评估研究

提出了一种用于评价信息系统决策优势的新方法.给出了决策优势的能力模型;引入了决策知识的数学描述方法,分析了信息价值对决策优势的影响,给出了信息价值评价指标体系和单个决策者的决策优势能力评估模型.通过将能力需求模型转换为决策网络,并建立相应的评估模型,以评价网络化决策优势的能力.结合应用案例,对该方法进行了验证.