Systems failure: the US way of irregular warfare

ABSTRACT

Since 9/11, the United States has achieved notable gains against al Qaeda, and also Islamic State (IS), all while avoiding another mass-casualty attack at home. Yet, institutionally, culturally, and in its capabilities, the US government remains seriously ill-equipped for the task of countering irregular threats. Partly as a result, Islamist extremism shows no sign of being defeated, having instead metastasized since 9/11 and spread. Why, given the importance accorded to counterterrorism, has the US approach remained inadequate? What is impeding more fundamental reforms? The article evaluates the United States’ way of irregular warfare: its troubled engagement with counterinsurgency and its problematic search for lower cost and lower risk ways of combating terrorism. It suggests needed reforms but acknowledges also the unlikelihood of change.     

基于深度学习的MPSK信号调制识别

为了有效实现信号调制方式的智能识别,提出基于深度学习的多进制相移键控(Multiple Phase Shift Keying, MPSK)信号调制识别方法。分析接收MPSK信号的循环谱,并通过提取MPSK信号循环谱的等高图获得二维特征信息,利用深度学习中的卷积神经网络对二维特征进行训练,使用测试样本对所设计的调制识别方法的有效性进行验证。仿真结果表明,所提方法具有良好的识别性能。     

英语学习中的文化背景知识

分析了英语学习过程中文化背景知识的种类及其特性 ,阐明了这些背景知识对英语学习的影响 ,并介绍了获取这些文化背景知识的主要途径 .     

基于深度神经网络的OFDM系统IQ不平衡补偿技术

正交频分复用(OFDM)是现代移动通信中一项重要的物理层通信技术，并且OFDM系统要求子载波间严格正交。然而在实际系统中，振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase，IQ)不平衡，从而破坏子载波的正交性，严重影响OFDM系统的性能。本文研究了IQ不平衡对OFDM系统的影响，提出了基于并联深度神经网络的IQ不平衡补偿技术。该算法利用了深度神经网络不依赖于模型的特点，直接从接收到的频域信号恢复原输入信号的二进制序列，并利用IQ不平衡的干扰信号来自镜像子载波的先验知识来初始化神经网络，加快其网络优化的收敛速度。仿真结果表明，该算法能有效地补偿IQ不平衡失真，并且在幅度和相位失真的补偿上，其性能都优于传统的导频的最小二乘（LS）估计补偿IQ不平衡的算法，证明了深度学习方法解决物理层问题的优越性。     

基于表层及芯材阻尼特性的夹层结构导纳分析

针对复合材料夹层板结构,综合开展芯材材料阻尼特性动力学热分析(DMTA)试验、表层玻璃钢和芯材试件阻尼衰减特性研究,通过夹层板结构的模态激振试验得到结构的模态阻尼比。从结构动力学方程出发探讨了影响多自由度系统结构传递导纳的相关参量,试验对比分析了钢质板和复合材料夹层板两型结构的传递导纳特性,并研究了激振点与响应点间距对复合材料夹层结构传递导纳的影响。研究表明:当尺寸和边界条件相同时,影响结构传递导纳的主要因素是结构的固有频率和模态阻尼。试验还得到了复合材料夹层板较钢质板的基频提高值和传递导纳降低均值,该试验结果可为工程设计提供参考。     

强化学习框架下移动自组织网络分步路由算法

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出强化学习框架下的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集以提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析。仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

现代教学原则在多媒体教学中的贯彻初探

现代教学原则是教师进行教学活动所应遵循的准则。从多媒体电子教案的教学内容选择、多媒体电子教案的演示设计与运用,以及多媒体教学中的教师主导作用和课堂交流3个方面,探讨了如何在多媒体教学中贯彻现代高等学校的教学原则,以充分发挥多媒体教学的优势、弥补其不足,提高课堂教学效果。     

母语迁移理论在武警士兵学员英语写作中的应用研究

写作水平是语言习得水平高低的一个重要衡量标准，学习者的母语对外语写作产生重要影响。本文从词汇和句法的层面分析了武警士兵学员习作中存在的母语迁移现象，以期在写作教学中最大限度地发挥母语的正迁移作用和降低母语的负迁移作用，最终提高学员外语写作水平。     

The military as a learning organisation: establishing the fundamentals of best-practice in lessons-learned

The post-Cold War era has witnessed the rapid expansion of organisational learning initiatives within NATO militaries, especially formal “lessons-learned” processes. The effectiveness of national lessons-learned processes in recalibrating military activity to the demands of ongoing operations has been highly-differentiated. However, the academic literature on military change and practitioner guidance has been slow to investigate the key features of best-practice in military learning. This article breaks new ground by drawing upon the literature on dynamic organisational capabilities to explore the fundamental organisational processes and activities which are necessary to implement successful lessons-learned. It examines, in particular, the organisational features which facilitate “knowledge transformation”: the effective combination of new knowledge gained from intra- and inter-organisational learning with existing organisational knowledge. The article concludes by highlighting several potential future empirical and theoretical research agendas in military learning and the importance of engagement between lessons-learned practitioners and organisational learning scholars.     

一维光子晶体反射镜的光学能带结构

运用传递矩阵方法计算了作为反射镜的碲化铅/冰晶石一维光子晶体的光学能带结构,并研究了其禁带和相对带隙宽度随晶格周期和碲化铅的填充因子的变化。