完善国防动员“应急应战”体制的若干思考

完善国防动员"应急应战"体制应树立"大国防观",将应急与应战动员合二为一,使用一套组织体系,形成大国防观下的"国家动员机构";要把应急预案和国防动员预案统一起来,制定和完善各类抗灾抢险预案,对公共危机管理的目标、应对策略、行动基本政策、解决危机的规则和程序以及方法等加以规定;要建立多部门共议、灵活机动的协作联动机制;要健全预警机制,设置风险"警戒线",规定预警事项处理程序;要完善有关动员的基本法,把国家动员的基本原则和要求上升为国家意志。     

基于熵权的多站纯方位目标定位分析北大核心

为克服传统权值主观性强、复合性差等现象,提出了一种基于改进熵权的多站纯方位目标定位算法。算法系统分析了匀速直线运动下的目标纯方位信息,给出了目标航迹参数与位置坐标模型,并运用均方误差进行了精度分析。仿真实验表明,本算法能有效地降低估计误差,提高多站融合精度。     

基于注意力机制的兵棋对抗态势预测方法

以不可观察算子实时位置预测为例进行兵棋对抗态势预测方法研究。训练基于注意力机制的陆战场战术级兵棋不可观察算子实时位置端到端预测模型。对高维离散兵棋态势特征进行低维嵌入,用多头自注意力机制学习特征交叉,通过把兵棋地图的各个六角格视为单独的类,将算子位置预测转化为稀疏特征下的多分类问题,达到33.47%的top＿1预测准确率,相较其他模型至少提高2.57个百分点,并具有良好的可解释性。     

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。     

对军事训练监察的几点思考

习主席强调指出,要“强化训练监察,科学监察、严格监察,加大追责问责力度,促进军事训练水平整体提升”。2019年发布施行的《中国人民解放军军事训练监察条例(试行)》(以下简称《条例》),是我军军事训练组织形态和体制机制的重大创新,对于促进练兵备战具有重要意义,在提升部队打赢能力中发挥越来越重要的作用。     

基于事件的视觉SLAM综述

事件相机是一种生物学启发的新型视觉传感器。不同于传统相机输出强度图像帧,事件相机检测每个像素点的亮度变化,当亮度变化超过某一阈值,产生包含像素位置、时间戳及变化极性的像素级事件输出。同步定位与地图构建(SLAM)是一种让机器人独立估计自身位置并同步增量式地构建周围环境地图的技术,使用传统相机进行SLAM已经是一个成熟的话题,但在高速、高动态范围等挑战性场景下,传统图像帧易产生运动模糊。事件相机具有低延时、高时间分辨率、高动态范围等优秀特性,可以在SLAM领域弥补传统相机的不足,但“事件”这种非常规的异步输出形式导致了处理范式的转变。首先介绍了SLAM技术的基本流程,其次介绍了DVS、ATIS和DAVIS三种典型的事件相机,列举了基于事件的SLAM性能评估方法,梳理了事件寿命估计、时间平面表示、事件帧表示等事件数据的不同处理方式,然后回顾了事件相机在国内外视觉SLAM领域的应用研究并进行了总结和对比,最后对基于事件的视觉SLAM技术作了总结并展望了其未来发展趋势。综述表明,事件相机可以进一步拓宽视觉SLAM的应用场景,但新的数据形式和尚不成熟的硬件体系限制了基于事件的SLAM的发展。未来基于事件的SLAM可以围绕以下主题开展进一步研究:新的基于事件的传感器的研发、新的处理事件数据的方法、基于事件的SLAM与深度学习的结合以及基于双目事件的SLAM。     

仿蝴蝶扑翼飞行器:研究进展、挑战与未来发展

以昆虫为灵感设计的仿生扑翼飞行器在近三十余年来的时间里发展迅速,而蝴蝶作为众多昆虫中极富特色的一种也得到了许多研究者的关注。国内外以蝴蝶为研究对象进行了许多的仿生学研究和仿生飞行器研制,尤其是近十年来仿蝴蝶扑翼飞行器的设计与制造取得了较大的进展。对这一热点领域的研究进行了综述。首先从仿蝴蝶扑翼飞行器(BIFAV)的升力机制研究、结构设计与制造以及驱动与控制方面,综述近年来所取得的研究成果;其次指出仿蝴蝶扑翼飞行器目前在大小尺度、飞行灵活性、续航时间、控制鲁棒性以及仿生的逼真性方面仍然存在研究挑战;最终表明其未来的研究将朝着更小的尺寸、更灵活的飞行与更可靠的控制、更高的仿生程度等方向进一步完善。     

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。