大数据背景下高校党建工作的挑战与应对路径

随着时代的发展和科技的进步,互联网、大数据技术普遍得到了发展应用,大数据时代随之而来,高校党建工作也面临着内外环境的剧变,迎来了崭新的发展空间。大数据为高校党建工作的时效性、针对性和实效性带来发展机遇,在提升党的思想引领力和价值凝聚力方面也将发挥重要作用。高校应加强对党建工作的思考和认识,在人才培养、数据平台构建、工作机制与组织建设上克服难题,实现与大数据技术的有效对接,为信息时代高校党建工作的创新发展提供有力保障。     

基于数据库的通用数据录取系统研究

传统的数据录取系统为每一个被试系统从底层开发一套录取系统,这样开发出来的系统具有如下缺点:一、对每个被试对象都从底层开始开发,效率较低;二、当录取信息需求发生变化时无法根据需要增加、调整系统资源,系统不具备开放性和通用性.为了使数据录取系统在武器装备试验中发挥更大的作用,采用数据库技术完成对复杂作战系统语义管理和智能分析,使录取设备具有通用性和扩展性,本文通过对通用数据录取系统体系结构及组成的介绍,详细地阐述了总线数据、应用软件、数据库库表等设计的方法,实践结果表明,它们可以较好地提高数据录取的效率.     

TEDS技术在加速度传感器数据校正中的应用

提出一种利用传感器电子数据表格技术改善加速度传感器动态性能的办法。传感器标定时，其相关的特征参数被储存在传感器电子数据表格中；测试初始化时，每个传感器的特征参数被读入测试系统，指导系统自动完成其数学模型的建立，并在测试时进行实时数据校正。实验证明传感器电子数据表格技术的引入提高了加速度传感器的工作频带带宽和动态响应速度等动态性能指标。     

基于PDA-UKF的杂波环境下单目标跟踪算法

提出将概率数据关联算法和不敏卡尔曼滤波相结合,用于杂波环境下的单目标跟踪。该算法同时解决了测量方程非线性情况下的滤波问题和杂波环境下的目标跟踪问题。给出了PDA-UKF算法的仿真过程,提供了一个基于距离、方位角、俯仰角的目标跟踪问题的仿真算例。理论分析与仿真结果均表明,该算法提高了滤波的稳定性和跟踪的精确性,具有较高的实用价值和广泛的应用前景。     

作战数据工程建设与发展

战争形态正加速向信息化战争演变,数字化作战成为主要形式,作战数据以前所未有的深度广度进入战争全脉络,成为作战的核心,影响着战争进程甚至决定成败。习主席高度重视作战数据建设,多次指出我军数据积累严重不足是军事斗争准备的短板弱项。因此,建设完善配套的作战数据库和形成战时高效的作战数据保障能力,对获取作战信息优势、提升指挥控制能力至关重要,对于提高我军基于网络信息体系的联合作战能力具有重要的支撑作用。     

强化基层政工干部信息化素质

当前,信息系统越来越成为政府、科技、教育、卫生、工业、农业等各行各业了解情况、数据统计分析、提出解决方案的得力助手。在军事领域,当现代信息系统进入作战体系中的侦察预警、指挥控制、火力打击、网电对抗、综合保障等系统之后,便颠覆了传统作战体系的面貌。     

基于多状态故障树的舰船装备可靠性分析方法

为分析舰船装备的系统和单元部件介于正常和故障之间的中间过渡状态,结合实际工作情况,提出了一种基于多状态故障树的可靠性分析方法。以舰船电力系统为例,将传统故障树模型的底层事件布尔单元改进为可维修的三态（正常、劳损降级和故障）单元部件;结合智能体董正琼技术建立该多状态故障树仿真模型,各事件之间的从属关系采用抽象映射进行描述;通过多次蒙特卡洛仿真运行,根据各底事件发生概率定量计算出电力系统的可靠度统计值为99.624%,在一定程度上验证了所提可靠性分析方法的可行性。     

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。     

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。     

基于监测数据的电磁频谱地图构建与验证

提出基于广义回归神经网络拟合和聚类克里金的构建方法,通过趋势面拟合,将电磁频谱地图构建分解为路径衰减和阴影衰落分量的估计问题,以提升构建精度;设计监测数据聚类和自适应最优邻域选取机制,在保证构建精度的条件下减小计算数据量,以提升构建速度,从而利用数量有限的电磁环境监测数据,在不需要先验信息的条件下实现电磁频谱地图的准确、快速构建。设计并实现电磁频谱地图验证系统,搭建车载数据采集设备,利用实测电磁环境监测数据,验证所提方法的可行性及构建性能。