基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。     

基于镜像延拓和神经网络的EMD端点效应改进方法

经验模态分解(Empirical Mode Decomposition,EMD)在机械故障诊断中存在一个比较严重的问题,即端点效应。镜像延拓是克服端点效应的有效方法,采用镜像延拓处理端点效应时,要求将镜面放置在局部极值点处,针对这一问题,提出了一种基于镜像延拓和神经网络相结合的数据延拓方法。采用神经网络预测原信号序列,将信号向前向后各延拓一个极值点,再采用镜像延拓有效地减小EMD分解中的端点效应。通过对仿真信号的分析,验证了该方法能有效抑制EMD方法中的端点效应问题。     

军事通信网信息优势指标及评估模型研究

军事通信网信息优势评估指标的确定和量化是C4ISR效能评估体系中的重要环节。针对军事通信网的特点,在分析信息优势定义的基础上,结合军事通信网的具体业务需求,深入分析网系完整性和精确性,利用期望时延重新定义时效性,并提出信息能力资源利用率指标,以及绝对信息优势、隐性信息优势和显性信息优势概念,根据所确定的指标,给出了军事通信网信息优势基本的定量描述方法。     

混沌背景下基于神经网络的编码信号检测新方法

提出了一种混沌背景下的编码信号检测新方法。信号检测过程包含两个步骤:混沌信号的预测和检测判决。该方法利用非线性前馈神经网络进行混沌信号模型的创建,并采用13位巴克码作为编码信号。仿真结果表明,通过该方法进行编码信号检测可以得到较高的检测概率和较低的虚警概率,整体检测性能较高,并且对于不同信噪比的信号具有较强的鲁棒性。     

基于RBF网络的坦克火控系统效能评价仿真

利用层次分析法提出了坦克火控系统效能评价指标体系,简要介绍了指标选取的理由。然后,采用提取原始值法和Delphi法取得了几组训练样本,并对所构造的三层RBF神经网络进行仿真训练,当训练精度达到要求后,再运用RBF神经网络对某型坦克火控系统效能进行了仿真评估。结果表明,在选定指标的基础上,用训练好的RBF神经网络评估坦克火控系统效能是合理的,减少了评估中的人为因素,使评估的结果更为可信。研究结果可为在现有武器装备的基础上开发和研制新型坦克火控系统提供理论参考。     

基于遗传神经网络的装备研制作战需求方案评价

针对评价问题的实际情况,利用神经网络良好的自适应性和遗传算法强大的全局搜索能力,采用遗传算法和BP神经网络相结合的遗传神经网络算法解决装备研制作战需求方案评价问题。通过样本数据训练,提高了评价的准确性和适应性。仿真实验表明,该算法能够较好地克服人为因素和随机性的影响,其稳定性和精确性也有较高。     

非毁伤性攻击下C2关系网络效能评估方法?

非致命毁伤对C2关系网络效能的影响，目前需要更为有效的评估方法。考虑到指控网络能否有效发挥作用，主要体现于指挥控制信息能否及时有效地按需到达，因此分析计算指挥控制信息按时按需到达的情况，可以作为指挥控制关系网络效能的一种有效评价方法。形式化描述了任务信息的到达时延、信息到达率等参数，给出了单次任务信息效用的解析计算方法。在此基础上，通过仿真计算，得到了非毁伤性攻击、多任务条件下网络效能取值及其随完成任务数量的变化关系。最后，分析了网络攻击范围、攻击策略与网络效能间的关系，评价并检验了与之相关的两点结论。     

面向大规模容器集群的网络控制技术

针对容器技术在网络层面缺乏控制的问题，设计一套面向大规模容器集群的网络控制架构，分别从容器集群网络的灵活组网、智能适配以及安全隔离三个方向进行研究，主要解决大规模容器集群部署中的网络适配和隔离控制等关键问题。实验结果表明，设计的网络控制架构可以根据网络特点有针对性地实现虚拟局域网的快速划分、网络节点的稳定迁移和节点通信的精确隔离控制。     

基于概率神经网络的设备故障诊断及仿真分析

针对某些难于建立准确数学模型的复杂系统,用神经网络的方法进行故障诊断有其独特的优越性.首先分析了概率神经网络(PNN)的基本结构及其训练算法,建立了某型航空发动机故障分类的概率神经网络模型,通过对该设备故障进行定性诊断,对比分析了概率神经网络与常用的误差反向传播神经网络(BPNN)分类模型对各类故障的分类效果.仿真表明,基于PNN模型的分类方法在分类速度、精度和泛化能力方面均优于基于BPNN的模型,是一种有效的故障分类方法.     

计算机病毒攻击条件下的信息网络效能度量

从网络中心战的内涵入手,分析了其内部逻辑结构,指出信息网络是网络中心战效能得以发挥的关键,将信息网络的效能模型与计算机病毒在网络中的传播模型相结合,建立了计算机病毒攻击条件下的信息网络效能度量模型.在蓝方进行计算机病毒攻击条件下,针对红方采取有效的反病毒措施和不能采取有效反病毒措施,进行了仿真模拟,并分析了对信息网络的效能所产生的影响,得出了有价值的结论.