基于神经网络的柴油机技术状态主元信息提取方法

在柴油机技术状态监测时,表征其技术状态的特征参数有很多,合理提取状态主元信息是一项关键的任务。分析研究了人工神经网络的信息提取原理和方法。以某型坦克柴油机为例,通过柴油机性能检测试验测取了能够反映柴油机技术状态变化的典型特征,建立了O ja神经网络信息提取模型,提取了柴油机技术状态的主元信息。分析结果表明:提取的主元信息能够反映柴油机技术状态随柴油机使用时间的变化趋势。该方法为坦克柴油机的技术状态监测与故障诊断提供了有效手段。     

基于人工神经网络的特征压缩方法及应用

分析了人工神经网络特征提取方法用于特征压缩的原理,研究了多层网络的隐层提取模型、Oja网络模型和基于Sanger算法的网络模型,以坦克柴油机燃油系统典型故障的特征处理为例,采用Sanger算法对特征参数进行了压缩,实现了特征空间的约简。该方法有利于简化分类器的设计,对于解决复杂设备的状态检测与故障诊断问题具有重要意义。     

陆军人工智能专业人才培养

陆军的智能化建设与发展离不开专业化的陆军人工智能人才培养。本文分析了智能化技术对战争形态转换、装备演化、指挥决策优化的影响，论述了陆军培养军用人工智能专业人才的必要性，提出了军用人工智能专业人才的能力模型，依据该模型设计了基础课程体系。     

无人作战的人机融合：挑战与出路

无人作战对于人和机器两个要素的融合提出了巨大的挑战。一方面，无人作战独特的作战模式和作战环境对于自然人的能力素质构成严峻挑战，高度智能化的作战系统运行速度、海量的数据信息日益挑战人类的反应能力和决策能力，虚拟的、远程的、与现实战场隔绝的作战环境日益挑战人类的心理素质。另一方面，机器的高度智能化虽然有利于更好地发挥潜在的作战能力，但也不可避免地带来战争失控和道德沦丧的风险。破解人机两个维度的挑战，实现人与机器的深度融合，一方面要利用增强技术从物理、生理、心理三个层面加速提高人类的能力素质，另一方面是强化机器人的伦理安全设计，坚守人类对机器人的控制底线，规避机器人失控和战争“非人化”的道德风险。     

美军智能化武器装备体系发展

智能化武器装备体系是军事智能化的基础和前提。智能化武器装备体系的集约高效发展，首先需做到找准定位，精准聚焦。本文针对美军的智能化武器装备体系，梳理了其发展，总结了其在各作战领域的典型作战运用，并分析了其下一步的发展趋势。     

基于事故树和贝叶斯的军民航飞行冲突风险研究

为充分了解当前军民航飞行冲突、危险接近事故征候的成因,并对其发生原因进行有重点的预防和对事件发生概率的精确预测,首先建立事故树模型,对其原因进行分析;总结导致其发生的基本事件,计算事故树模型的最小割集和各个基本事件的结构重要度;其次对军民航飞行冲突、危险接近事故征候的发生概率进行合理的取值,得出基本事件的概率重要度,指出基本事件发生概率对顶事件发生概率的影响;最后构建军民航飞行冲突、危险接近事故征候贝叶斯网络模型,计算中间事件的条件概率和顶事件发生概率,并与实际结果进行对比,验证方法可行性。     

大数据在信息作战指挥决策中的运用

针对信息作战指挥决策中大数据的运用问题，通过对大数据的海量信息检索能力、交叉复现的分析能力、“全信息”运算能力、智能决策执行能力的研究，提出了大数据为其提供按需订制的情报信息、多元多维的决策视角、动态实时的决策支持、智能自主的决策方式的观点，初步探索了大数据在信息作战指挥决策中的运用，对将大数据引入信息作战指挥决策具有十分重要的指导意义。     

An eikonal equation based path planning method using polygon decomposition and curve evolution

Path planning is a key technique of autonomous navigation for robots, and the velocity field is an important part. Constructing velocity field in a complex workspace is still challenging. In this paper, an inner normal guided segmentation algorithm in a complex polygon is proposed to decompose the complex workspace in this paper. The artificial potential field model based on probability theory is then used to calculate the potential field of the decomposed workspace, and the velocity field is obtained by utilizing the potential field of this workspace. Path optimization is implemented by curve evolution, during which the internal force generated in the smoothing process of the initial path by a mean filter and the external force is obtained from the gradient of the workspace potential field. The parameter selection principle is deduced by analyzing the influence of several parameters on the path length and smoothness. Simulation results show that the designed polygon decomposition algorithm can effectively segment complex workspace and that the path optimization algorithm can shorten and smoothen paths.     

美军推进人工智能军事应用的举措、挑战及启示

人工智能技术的发展加速了军事智能化的脚步。本文分析了美军在推进人工智能军事应用方面采取的一系列举措，如注重国家战略层面的顶层设计，出台一系列智能化发展战略规划；部署各类军事智能化研究项目，开展大数据、智能算法研究，促进人工智能技术向情报处理、无人作战平台、指挥控制、武器装备系统、作战方式变革的渗透转化；重视智能化技术的基础理论研究和人才培养，聚焦核心和关键技术的突破，夯实军事智能化发展的基础。阐述了美军在推进人工智能军事应用进程中面临的来自技术、信任、伦理等多方面的挑战，并从成熟算法民转军用、寻求认知智能算法突破、培养军事智能化复合型人才等角度提出几点启示。     

一种无师训练的模糊极小极大人工神经网络

提出了一种无师训练的fuzzymin max人工神经网络,它兼有一般fuzzymin max网与ART2网的优点,既弥补了fuzzymin max网不能自适应在线学习新类的缺陷,又消除了ART2网警戒门限过高的弊病.经模式识别仿真对比,对同样的输入数据,文中提出的网络用较低的警戒门限值即可达到ART2用很高的警戒门限值才能达到的分类效果,且计算量大大减少.得到的结论是:对模式识别而言,文中提出的网络比fuzzymin max网和ART2网更具有实用价值.