加强国防动员需抓好四个关键环节

应对多种安全威胁、完成多样化军事任务，是新形势下国防动员面临的重大课题和紧迫任务。新形势下加强国防动员工作，必须狠抓“预案制定、按纲施训、优化队伍、信息动员”四个关键环节．不断提升遂行多样化任务的能力。     

基于生成模型的人体行为识别

提出了一种基于生成模型的人体行为识别方法。选取关键点轨迹的方向-大小描述符、轨迹形状描述符、外观描述符作为人体行为的特征；为了降低人体行为特征维数，利用信息瓶颈算法进行词表压缩；利用生成模型，结合已标记样本和未标记样本提出了一种人体行为识别的半监督学习方法，解决了行为识别中的小样本问题。在YouTube 数据库、 UCF运动数据库上利用提出的方法与已有的方法进行了对比实验，结果表明该方法具有更高的识别精度。     

一种基于知识辅助的MIMO-STAP抗干扰算法北大核心

针对有源干扰环境下机载MIMO雷达的杂波抑制问题,利用预白化的思想,提出了一种基于知识辅助的MIMO-STAP抗干扰算法——KA-J-STAP方法,首先利用载机平台运动参数、雷达系统参数、干扰方位等先验信息构造相关协方差矩阵,后利用相关协方差矩阵对接收数据进行预白化,对杂波和噪声预置零,对于预白化后的数据空时自适应处理。仿真结果表明,相比于未采用知识辅助的算法,所提KA-J-STAP算法在干扰环境下仍能保持较好的杂波抑制性能。     

工作专班贵以“专”

为有效推动急难险重任务破题攻坚,遴选骨干力量成立工作专班,建立周期会商、信息传递、资源归集、责任分解等制度,集中优势兵力打主动战、歼灭战,是当下各级较为常用的一种工作方法。但也应该看到,实际工作中,各单位不同程度存在专班众多但运行不畅、人才济济但缺乏合力、“开张”许久但成果寥寥等问题。细究原因,就在于“专”的品质没有凸显、“班”的定位出了偏差。     

2022年深度学习技术主要发展动向分析

深度学习正逐渐成为新一代人工智能最核心的技术之一。对2022年深度学习热门领域的主要发展动向进行了综合评述。首先,介绍小数据小样本深度学习研究领域的最新进展;其次,探讨量子计算与深度学习的融合路径;然后,概述强化学习对通用智能的推动作用;最后,盘点深度学习在多模态学习方向的进展。综述表明,面向小数据、小样本的深度学习技术正在引领深度学习向自监督方向不断迈进,深度学习与其他先进计算范式(例如量子计算等)深入融合趋势愈发明显,强化学习在一定程度上具备解决复杂问题的通用智能,多模态深度学习技术已迎来关键性突破。     

新兴信息领域动员发展的现状、问题及对策

新兴信息领域动员是信息动员的“制高点”。在全球新一轮科技革命和军事革命深入推进，我国新兴信息产业快速发展的背景下，信息领域的新技术、新模式、新业态为信息动员注入新动能。新兴信息产业的发展构成了新兴信息领域动员的基础，催生出一系列新型动员模式。我国新兴信息领域动员存在需求端拉动效应不够明显，供给端应用场景有待开发等问题。需优化新兴信息领域动员流程，打造层次分明联合保障梯队，推动重点领域贯彻国防要求，注重前沿高端技术动员应用，促进新兴信息领域动员潜力转化为实际动员能力，引领信息动员效能实现质的跃升。     

战区防空雷达组网系统体系结构及通信链路研究

针对优化现役战区防空雷达系统的部署结构,提高其战时稳定性、提升其整体作战效能的问题,提出了一种“雷达组网系统”实用研发对策,并对其具体的系统体系结构、雷达群站系统构成、信息链路等问题进行了探讨和研究。     

分布式防空C3I模型信息关系及其交互关键技术研究

对分布式防空C3I仿真中信息交互关键技术进行了研究。分析了各子模型信息关系,研究了信息有效交互的途径和提高信息交互速度的方法,并对组播通信组的划分方法进行了深入研究,提出了基于信息流的组播通信组的划分方法。     

毛泽东在反"围剿"中的军事信息谋略

中国共产党领导的人民军队在建立之初,无论从数量上还是从武器装备上看,都是一支弱小的武装。作为这支军队主要缔造者的毛泽东,从一开始就是在极为艰难困苦的条件下,与国民党反动派展开殊死斗争的。占据绝对优势的国民党军队,对红军和革命根据地进行了长期的封锁和包围,进行了反复多次的军事“围剿”。正是在这种险恶的军事斗争中,毛泽东深刻认识并树立起了军事信息意识,在战争实践中开始尝试和运用军事信息谋略,取得了以少胜多、以弱胜强的辉煌战绩。一、建立红军无线电队,以技术侦察获取军事信息,夺取作战主动权在红军成立后的…