基于RBF神经网络的军事物流设施规模预测

确定合理的军事物流设施规模对于成功实施军事后勤保障十分重要。提出了基于RBF神经网络的军事物流设施规模预测模型的建模方法,该方法旨在确定军事物流设施规模与其影响因素之间的非线性关系;采用算例说明了基于RBF神经网络的军事物流设施规模预测的具体做法,对军事物流设施规模的确定具有指导意义。     

面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习

在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。     

多源文本数据真值发现方法

针对传统真值发现算法无法直接应用于文本数据的问题,提出基于深度神经网络面向多源文本数据的真值发现算法(NN_Truth)。根据文本答案多因素性、词语使用多样性以及文本数据稀疏性等特点,将“数据源-答案”向量作为网络输入,识别答案真值向量作为网络输出,依据真值发现的一般假设,无监督学习各数据源答案向量间关联关系,并最终获得答案真值。实验结果表明,该算法适用于文本数据真值发现场景,较基于检索的方法及传统真值发现算法效果更优。     

利用循环网络的降落伞开伞载荷补偿方法

为了对降落伞充气展开过程中的开伞载荷进行更加准确的预测,提出一种基于循环神经网络的开伞载荷补偿计算方法,包括模型架构和数据处理方式。该方法将充气时间法计算的预测值代入循环网络进行二次计算,使最终结果能够更加贴近试验真值。使用多层前馈网络、标准循环网络与长短时记忆网络三种网络进行比较,验证了所提模型预测结果的适用性和准确性,研究了学习率、输入层维度和隐层维度等超参数对模型性能的影响,并给出了基于长短时记忆网络的补偿模型最优训练条件。实验结果表明,利用循环网络进行开伞载荷预测具有较好的拟合结果,为机器学习与降落伞工业的学科交叉研究提供了一定的参考方向。     

层次因子图及其在故障诊断中的应用

为解决大规模复杂不确定性故障诊断问题的建模和推理难题,提出一种扩展的因子图模型——层次因子图,并给出了相应的推理及建模方法。该模型采用层次式拓扑结构表达问题领域的结构化知识,具备现有概率图模型的所有优点。经实例验证表明:所提出的层次因子图模型可以较好地解决大规模复杂不确定性故障诊断问题。     

基于TOA预测的非同步照射辐射源定位算法

针对现有基于TDOA的定位算法难以适应辐射源信号非同步到达的实时定位问题,提出了一种基于TOA预测的非同步照射辐射源定位算法。该算法采用脉冲样本图外推法通过各站接收的短时脉冲列计算TDOA序列(TDOAs),并通过牛顿迭代法实现对辐射源位置的初步估计。对新到达的脉冲采用脉冲样本图外推法进行TOA预测,判别脉冲属性,进而获得新的TDOA测量值,然后采用扩展卡尔曼滤波算法实现对辐射源位置的实时更新。仿真分析表明:该算法解决了非同步照射引起的难以计算TDOA的问题,并增强了处理的实时性。     

基于DoDAF与Petri网的预警卫星系统建模分析

预警卫星系统在弹道导弹防御系统中处在最前沿,在战争中起着其他装备无法替代的作用。依据DoDAF和预警卫星系统的作战流程,构建了预警卫星系统作战状态转换(OV-6b)模型,以描述预警卫星系统作战过程的时序关系、各作战节点的状态转换以及信息流关系。基于Petri网将各节点OV-6b模型转换成可执行模型进行驱动,并构建和分析了各Petri网模型的可达图,结果表明,建立的OV-6b模型和Petri网模型是合理的、正确的。     

舰载预警直升机标准巡逻图模型研究

针对舰载预警直升机线式巡逻搜索时的可执行性问题,建立了预警直升机标准巡逻轨道模型。提出了作战操作点的概念,并给出了作战操作点的确定方法。针对采用标准巡逻图飞行时的关键控制参数的确定问题,给出了预警直升机转弯半径的确定方法,最后,提出了标准巡逻轨道的飞行控制方法。     

一种基于TOA测量的位置信息场定位算法

针对传统的仅测脉冲到达时间(TOA)定位方法不能适应复杂体制雷达信号的问题,提出了一种新的基于TOA测量的位置信息场定位算法。首先由主站自提取辐射源的脉冲样本图,副站利用主站自提取的脉冲样本图匹配分选出该站接收的辐射源脉冲列,并将其对应的TOA数据传回主站,而后由主站基于各站的TOA测量构造目标位置信息场函数,通过网格搜索法实现对辐射源位置的估计。仿真结果验证了该方法的有效性。     

基于改进反馈神经网络的坦克分队对抗模型

坦克分队对抗效能评估是一个典型的动力学系统问题,而反馈神经网络是一种反馈动力学系统。通过分析影响对抗效能的主要因素入手,建立坦克分队火力对抗效能的评估指标体系,构建改进反馈神经网络对抗模型。通过编制应用程序,对该模型进行实例验证,其结果表明,该模型能够较好地解决坦克对抗的问题,为坦克对抗模型的研究提供了新思路。