“铁扫”奋起荡尘垢——兰州民兵配合公安部门扫毒禁毒纪实

吸毒。消息一个接着一个。当历史老人跨入1990年后,兰州地区吸食毒品的现象已上升到了全国第四位。吸食毒品不仅极大地毒害着人们的身体,而且还严重地败坏了社会风气。对此,兰州军分区的领导同志再也坐不住了,常委会上,政委夏志强慷慨陈词:“兰州地区吸食毒品现象如此严重,我们作为当地的军事指挥机关,决不能坐视不管,任其发展。”随后,文件下发。领导小组建立,一支有万余民兵参加的扫毒禁毒队伍活跃在     

核工业建设集团公司直属单位举办“歌唱祖国”群众性歌会

9月25日下午．中国核工业建设集团公司直属党委和直属工会举办了“歌唱祖国”群众性歌会。歌会以隆重庆祝新中国成立60周年，唱响共产党好、社会主义好、伟大祖国好，充分展示了广大干部职工热爱祖国、爱岗敬业、努力当好核电建设主力军的精神风貌。集团公司党组书记、总经理穆占英，党组成员、副总经理时传清，党组成员、纪检组长．直属党委书记冯先银等领导和7个直属单位100多名职工代表参加了歌会。     

论阿富汗战争的非传统性

21世纪发生的第一场战争———阿富汗战争,是一次美国及其盟国以国家名义,用战争的形式,打击境外恐怖组织的大规模军事行动。阿富汗战争是一场以反恐为主要目的战争,体现出了十分鲜明的非传统性。一、战争的不对称性明显从军事技术角度看,在阿富汗进行的反恐怖战争作为新世纪的第一场高技术局部战争,是一场不对称的战争。阿富汗战争中,交战的一方是世界上最强大的国家美国及其北约盟国,拥有最先进的武器装备、最精锐的军队,而它的对手阿富汗塔利班及“基地”组织,武器落后,战斗力较弱,在国际上没有盟友,面对强大的美国几乎没有多少还手之力…     

电子设备机箱设计

本文阐述了电子设备机箱设计的准则,详细讨论了电子设备中几种常用机箱设计中应注意的问题。     

人工智能赋能军事训练

随着大数据、物联网和5G的不断发展,海量数据的获取变得越来越容易,人工智能技术利用GPU的强大计算能力和深度学习网络对高维数据和非线性模型的拟合能力,迎来了飞跃式发展,深刻改变着人类生产、生活和学习方式,出现了语音识别、机器翻译、无人驾驶及智能机器人等场景,计算、数据与模型的不断发展也成为推动人工智能前进的主要动力。本文分析了人工智能技术的主要发展方向,包括自然语言处理、语音识别和图像识别分析等,结合当前人工智能的主要技术方向和典型应用,展望了人工智能在军事训练领域的广阔应用前景,同时,聚焦发展智能化军事训练亟需解决的关键问题,针对解决网络、数据、模型等面临的问题提出措施建议,指出应通过模拟仿真训练提高训练效率,基于训练数据科学评价训练效果。     

火场心理调节与心理训练

消防指战员在火场上的心理状态直接影响甚至决定着指战员的生理状态,影响灭火救援任务的完成。如果我们将指战员的心理调节至适度的兴奋、紧张,而避免急躁、恐惧等不良心理的产生,就能使指战员处于一种良好的心理、生理状态,保证在其他因素(如正确的战术、精良的装备、群众的配合等)的配合下顺利完成灭火救援任务。     

虚拟逻辑分析仪在军事电子自动测试领域的应用前景

现代电子设备中,广泛使用大规模集成电路,具有总线结构。原来单靠硬件完成的任务,现在通过软硬件结合的方式实现,而且功能越来越丰富、速度越来越快。再用传统的万用表、示波器等测试仪器去发现并解决遇到的问题显然已力不从心。所以就要求检测、诊断技术不断跟进。随着计算机技术的迅猛发展,国外及国内的公司已经开发出了多款虚拟逻辑分析仪。它将计算机强大的数据运算、处理、人机交互能力和传统逻辑分析仪强大的数据采集能力有效结合在一起,可以得到相关电路多个采集点的时序及状态的真实有效数据, 为进行深入的测试奠定了基础。     

基于层次定位的新疆高校核心竞争力综合评价研究

从人才培养、师资队伍以及科学研究等三个方面构建高校核心竞争力评价指标体系,运用熵值法对新疆六所高校进行综合评价,结果发现,无论是新疆综合型高校还是多科型高校,加强学科建设是提升所有类型高校核心竞争力的主要策略。而科研竞争力对新疆综合型高校核心竞争力提升的贡献最大,而对新疆多科型高校核心竞争力提升贡献最大的是学科竞争力与师资队伍竞争力。文章还提出了相应的对策建议。     

探“底”装备制造业产业基础

改革开放40多年来,特别是党的十八大以来,我国装备制造业发展取得了巨大成就,实现了从单纯依赖进口到基本自主化的重大跨越,但部分高精尖领域自给率几乎为零,以至于我们在重点领域频频被“卡脖子”。究其原因,归根结底是产业基础薄弱。产业基础不牢已经成为制约我国装备制造业高质量发展的重要瓶颈。     

基于KKT条件的SVM增量学习算法

为了解决支持向量机(SVM)在增量学习时,由于支持向量选择不完全,导致增量学习过程无法持久进行的问题,提出了最大似然边界SVM增量学习算法。该方法在深入分析分类面变化趋势的基础上,充分利用KKT条件,选择包含支持向量的边界向量参与SVM增量学习。实验表明,该算法可以完全覆盖支持向量,与经典支持向量机算法的结果完全相同,并且节省了大量时间,为今后大样本分类和增量学习的可持续性提供了条件。