美军语言智能处理技术的发展策略与启示

发展语言智能处理技术是全球新军事科技研发的重要趋势。美军在几十年的发展过程中,不遗余力地推进新的语言智能技术的研发与应用。在人工智能宏观政策和举措的带动下,美国政府与军方在语言智能领域采取了较为清晰的战略路线:明确需求方向,注重长远规划;重视军民融合,调动地方研发活力;创新技术研发资金的管理模式,提高发展效率;推动技术在关键领域的应用,加快美军战斗力的形成。本文认为,面对这一趋势,我们需要深度布局国防语言智能处理技术战略,重视面向未来需求的长远规划;充分调动语言智能处理技术研发的"民间力量",注重军产学研的协同创新;建立科学适度的项目研发机制,加快颠覆性技术的战斗力转化。     

多无人机协作侦察中的车辆再识别

在多无人机协作侦察中,匹配识别不同无人机侦察发现的装甲车辆,属于车辆再识别任务。近年来,车辆再识别技术在智能交通领域得到了快速发展,但是该技术尚未在军事领域得到充分的关注和应用。本文围绕该技术的发展和军事应用展开研究,一方面,从数据集、特征表示、注意力学习、度量学习、属性学习等方面对民用车辆再识别技术进展进行综述,分析总结了现有技术的优点和劣势,提出了有待深入探索的研究方向;另一方面,以多无人机协作侦察任务为背景,探讨分析了车辆再识别在其中的作战运用方式,并针对战场上存在的计算资源有限、环境复杂多变等因素导致车辆再识别性能下降问题,提出了可能的解决思路。本文研究可为车辆再识别技术在多无人机协作侦察中的应用提供前瞻性参考。     

浅析广场空间的界面处理方式

广场空间是由建筑、道路等围合限定并把周围各独立部分结合成整体的城市公共空间.随着城市化进程的加快,建筑师对广场空间的处理方式呈现多样化趋势,不同的处理方式会对广场产生不同的限定效果.将广场空间处理方式划分成水平界面处理和垂直界面处理两种类型进行研究,通过实例分析,揭示了不同处理方式可以产生封闭、开敞,内向、外向,宁静、庄严等不同感觉,这既丰富了市民的文化生活,改善了城市环境,也反映了当代特有的广场文化.     

激发基层政工干部内动力的几点思考

基层政工干部由于角色认同偏低、成就动机较弱以及组织归属感不强，导致内动力不足。激发基层政工干部内动力，要优化基层政治工作的大环境，满足基层政工干部的职业归属感；创新管理机制，拓展基层政工干部发展空间；加强组织引导，激发基层政工干部潜能，使他们将工作积极性由被动转化为主动，保持持久活力。     

基于警用特种装备的智能故障诊断专家系统的设计与实现

智能故障诊断专家系统可用以实现对警用特种装备系统各子系统的状态监测和故障诊断，基于此功能阐述了警用特种装备智能故障诊断专家系统的设计原理，给出了系统的实现方法。通过自适应遗传算法的知识获取机制，介绍了其改进的自适应遗传算法原理，解决了知识获取的问题，实现了警用特种装备的状态监测和智能故障诊断。     

电磁发射的出口速度及负载质量变化对导轨热量的影响

为分析不同发射出口速度、不同发射负载质量对导轨积累热量的影响,建立了导轨温度场模型,计算了导轨各点温度变化过程,并和光纤光栅温度传感器测量结果对比,验证了模型及测量结果的正确性。在此基础上,设计并进行了三种类型实验,分析了在不同发射速度、不同发射负载质量以及相同发射能级不同发射速度下的导轨热量积累差异。该结论为确定连发间隔、导轨冷却设计提供了有效参考。     

神经网络技术在智能BIT故障诊断系统中的应用

论述了智能BIT的智能设计、智能检测、智能诊断和智能决策,构建了基于神经网络的某高炮装备随动系统的智能BIT故障诊断系统。用Multisim进行电路仿真,提取输出信号的均值、峭度、偏斜度构成三维向量,以它作为特征向量利用神经网络进行模拟电路的故障诊断。通过比较BP神经网络、SOM神经网络和小波神经网络的诊断结果,得知利用均值、峭度和偏斜度作为特征,BP神经网络和SOM神经网络能够有效识别故障状态模式。     

EEMD+BiGRU组合模型在短时交通流量预测中的应用

针对城市交通流随机波动性强、数据中含噪声多导致预测精度下降的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的组合交通流量预测模型,有效地提升了短时交通流预测的精度。模型利用EEMD算法对原始数据进行分解,根据分解所得的本征模函数(intrinsic mode function,IMF)分量绘制噪声能量图谱,去除分量中的噪声,并将去噪后的IMF分量作为BiGRU网络的输入进行训练,再将训练所得的结果进行重构加和,得到最终的预测结果。实验结果表明,未舍弃含有噪声的IMF分量进行重构的预测结果,相比于参考文献中提出的EMD+LSTM模型、LSTM模型和EEMD+LSTM模型,其平均绝对百分误差分别优化了42.36%、61.82%和30.95%;舍弃含有噪声的IMF分量后进行重构的预测结果,其平均绝对百分误差相比于将全部IMF分量进行重构优化了56.62%。     

面向装备作战仿真的智能机动模型的设计与实现方法研究

从装备作战仿真领域中的智能机动模型的特点出发，结合机动过程中的天候、道路和敌情威胁等影响因素，利用模糊控制技术，构造了智能机动模型的知识库、推理机，同时，本文对外部环境因素和机动速度控制量分别进行了模糊化和反模糊化，有助于指挥员迅速制定机动方案，对人不在环的装备作战仿真具有一定的参考价值和指导意义。     

油料装备智能维修决策系统研究

在分析油料装备维修管理特点的基础上，提出油料装备智能维修决策系统体系结构，论述模型库与知识库的构建方法，描述维修推理机工作原理。针对油料装备故障诊断信息具有模糊性的特点，建立油料装备故障智能模糊诊断模型，论述故障诊断模糊规则、模糊推理步骤、模糊算子定义及其推理方式。对维修策略决策的主要影响因素进行分析，以使油料装备稳定性及经济性、维修周期达到最佳为维修策略目标，构建油料装备维修策略模型，论述维修策略原则和模型工作流程。油料装备智能维修决策系统的研究，对提高油料装备维修科学化和智能化水平，加强油料装备保障力度具有重要意义。