注重解决干部队伍中的重难点问题

目前，干部队伍总体情况是好的。绝大多数干部认真学习，努力工作，为有效履行新世纪新阶段我军历史使命、推动军队建设又好又快发展贡献着自己的力量。但是也有少数干部学习不刻苦，工作不尽心，作风不扎实，能力不过硬，形象不端正。这些问题虽然发生在少数干部身上，但负面影响不容忽视，应引起各级党委和机关的高度重视，并认真研究解决。     

扭曲与敷衍的军官安置政策：晚清“归标学习”述论

同光时期，如何安置和消化数量庞大的军功人员是一个重大的政治和社会问题，“归标学习”即为重要举措之一。“归标学习”一方面通过对军功人员进行考课，并根据考课成绩的好坏，决定补缺的先后次序，对延缓候补时间，疏通拥挤不堪的绿营官场起了重要作用。同时加强了对军功候补人员的管理，储备了一定数量的军事人才，使晚清在历次对外用兵时，能够迅速组建勇营武装，应对变局。但是“归标学习”目的的多重性，内容的落后性，决定了“归标学习”实际上只是一种对军营保举人员敷衍举措，不能培养出具有当代军事素养和技能的人才。     

基于深度学习理论的数学教学策略

时代的飞速发展对于人才培养的规格与质量提出了新的要求,为了进一步提高学生的核心素养,实现以减负增质为导向的教育教学目标,以深度学习理论为基础,对数学课堂教学实践中引用深度学习策略的必要性进行分析,探究了当今数学课堂教学实践中面临的某些问题,从而寻找能够进一步提高学生学习效率的教学方法,促使学生能够积极主动参与教学过程。     

基于深度学习的网络攻击检测模型

为提高复杂网络条件下网络攻击的检测检测精度、降低时间开销,提出一种基于卷积神经网络、双向长短时记忆网络和注意力机制融合的网络攻击检测模型GP-CABL。GP-CABL能够有效抽取网络流量的最优特征,并能够充分学习网络流量的空间和时序特征,有效提升了检测精度、降低了计算开销。实验表明,GP-CABL针对主要网络攻击识别精度可达99.87%,相较当前研究有较大性能提升,并具有较好的鲁棒性。     

不断增强过硬的担当本领

<正>习主席多次强调,当干部就要有担当,有多大担当才能干多大事业,尽多大责任才会有多大成就。奋进在强国强军的新征程上,必然会面临许多新的“娄山关”“腊子口”,各级领导干部唯有不断增强过硬的担当本领,主动应对挑战、克服阻力、破解难题,方能不辱使命、不负重托,坚决完成党和人民赋予的新时代使命任务。一、提高学习思考能力。习主席指出：“我们处在前所未有的变革时代,干着前无古人的伟大事业,如果知识不够、眼界不宽、能力不强,就会耽误事。”各级领导干部承担着指挥打仗和部队建设的重任,     

所作平凡事,皆成巨丽珍

“人啊,应该这样生!路啊,应该这样行!”诗人贺敬之在雷锋之歌中写下激情澎湃的诗句。自1963年3月5日毛主席发出“向雷锋同志学习”的伟大号召以来,记录雷锋成长的书籍、歌颂雷锋精神的作品数不胜数。今天,在又一个纪念日到来之际,笔者重读雷锋事迹,引发点滴思考,仅将几则感言辑录下来,心香一瓣,献给这个美丽的春天。     

信号处理与深度学习硬件加速的一致性计算结构

在计算需求层面对多种典型信号处理算法与深度学习算法进行了分析与模块化分解,提取了两类应用共有的且适合并行硬件加速的计算模块,提出了信号处理与深度学习的一致性计算模型,并基于一致性计算模型设计了控制与计算分离的层次化处理单元与阵列化计算结构。通过对不同应用计算过程的软件定义能够实现信号处理与深度学习的一致性硬件加速计算,基于Zynq计算平台从重构效率与计算性能两个方面对一致性计算模型与计算结构进行了验证,结果表明：基于一致性计算模型的软件定义可重构计算结构,具有较高的计算性能与重构效率。     

涡轮盘疲劳寿命可靠性设计仿真及优化策略

涡轮盘是航空发动机主要部件之一,一旦发生破坏性故障将导致严重的后果。在充分考虑影响涡轮盘高低周复合疲劳寿命因素不确定性基础上,以MATLAB为平台,设计了涡轮盘高低周复合疲劳寿命可靠性优化设计的联合仿真平台。利用寿命函数和寿命可靠性分析极限状态函数中的共性需求,提出了在优化迭代的过程中自适应构建寿命函数Kriging模型和寿命可靠性极限状态面Kriging模型时共用训练样本点的策略。同时,提出了一种构建寿命函数Kriging模型的学习函数。使用所搭建的疲劳寿命可靠性优化设计平台,完成了某型涡轮盘盘心、榫槽以及涡轮盘系统高低周复合疲劳寿命的可靠性优化设计。结果表明,最优设计方案的局部最大应力显著降低,均值寿命大幅提高,并满足可靠性约束。     

一种巡逻执勤目标检测算法研究

巡逻执勤是具有重要意义的安全维稳行动,但是巡逻环境复杂、目标多样、检测难度大的问题十分突出,所以如何准确、实时检测巡逻执勤目标具有重大现实意义。为了提升对巡逻执勤目标检测的准确性和实时性,基于YOLOv5算法进行改进。为抑制巡逻环境带来的干扰,结合ECANet注意力机制进行改进,提高被检测目标显著性;同时为保证较好的实时性及多尺度目标检测能力,引入BiFPN网络结构。将改进算法与原始算法进行比较,mAP提升3.51%;与4种算法进行了对比实验,结果显示该算法能较好地降低巡逻执勤目标检测因检测相似、尺度多样、光照干扰等问题带来的影响,进一步验证了该算法在巡逻执勤目标检测任务中的有效性。     

深度多属性增强水声目标识别方法

被动声纳系统由于其隐蔽性好的特点在军事任务中发挥着重要作用。针对被动水声目标识别问题,开展了水声目标多属性特征提取与识别方法研究。利用深度学习方法从舰船辐射噪声中提取目标多属性特征并识别水声目标。提出了深度多属性增强水声目标识别方法,该方法可以从时域舰船辐射噪声中提取水声目标多属性特征及多属性之间的相关性特征,并用来增强深度模型对水声目标类别属性的表达能力。基于海试实测数据的6类水声目标识别实验结果表明,相比于不考虑多属性的识别方法,提出的深度多属性增强水声目标识别方法的平均正确识别率提高了3.6%~18.2%,并且具有更好的识别稳定性。