基于效用函数的随伴支援炮兵弹药选择模型

随着火炮武器系统的发展,火炮所配属的弹药类型越来越多,针对不同目标选择合适的弹药以达到最佳作战效能具有重要意义。首先,按照"最大化对敌火力效果、最小化附带损伤,最小化费用"的原则,分析了随伴支援炮兵弹药选择模型要考虑的决策指标,包括毁伤比、压制比、非敌伤亡率、安全距离、费用。建立了决策指标的效用函数,在此基础上建立了整体的决策指标,对决策指标的权重系数进行了分析探讨。最后用实例证明该方法是一种有效综合各类因素的弹药选择方法,能够很好地解决弹药选择问题。     

模糊综合评判的装备研制风险评估

装备研制风险评估是在风险分析的基础上对所研究阶段的风险性进行评估,计算该阶段的风险得分,最终确定其风险等级,对结果进行比较分析,为下一步工作的开展确定方向,具有重要的指导意义.对装备研制的风险管理进行了研究.针对装备研制项目阶段特点,从风险管理工作的现实需求出发,以风险管理的基本理论为基础,结合其他领域已有的风险管理模型,建立了装备研制风险管理的针对性模型,并结合事例对装备研制风险管理模型的具体应用进行了说明.     

基于BI-GRU-CRF模型的中文分词法

循环神经网络作为一种处理时序数据的有效模型,已在序列标注问题上得到了广泛应用。为解决序列标注中典型的中文分词任务,基于门限循环单元(Gated Recurrent Unit,GRU)神经网络,提出了一种改进的双向门限循环单元条件随机场(BI-GRU-CRF)模型,该模型不仅可以通过双向门限循环单元有效利用双向上下文信息,而且可以通过条件随机场层联合考虑相邻标签间的相关性,得到全局最优的标记序列结果。在常用的中文分词测评集(PKU、MSRA)以及由构建的军事领域分词语料上,分别采用四词位及六词位标注法进行了实验,结果表明BI-GRU-CRF模型具有良好的分词性能,且六词位标注法可以改进分词效果。     

基于神经网络的复杂导弹系统可靠性预测

介绍了如何利用神经网络对复杂导弹系统可靠性进行预测。对利用导弹地面测试数据和可靠性数据预测未来导弹可靠性问题进行了描述。给出了建模思路和方法框架。探讨了基于因子分析的可靠性数据特征选择方法、循环神经网络(RNN)、长短时记忆网络(LSTM)、门循环网络(GRU)以及输出数据融合方法。在实例中利用该方法对其飞行可靠性进行了预测,验证了方法的可行性与有效性。该方法可以充分利用复杂系统地面测试数据、可靠性数据中隐含的信息以及多种神经网络的优点,具有一定的通用性与实用性。