破解军士管理者三个“不”问题对策研究

本文通过分析军士管理者主要存在不敢管、不会管、不愿管等三个“不”问题，从培树良好形象、反思管理工作、建立激励机制等方面给出相应对策。     

基于MA的自适应多载波并行组合扩频通信技术

为了提升多载波并行组合扩频的通信性能,将自适应技术应用于多载波并行组合扩频通信系统中,并基于边缘自适应准则（MA）,针对多载波并行组合扩频（PCSS-OFDM）通信系统和多载波差分多相并行组合扩频（DMP-PCSS-OFDM）通信系统,分别提出两种自适应通信方式。在多种多径信道环境中的仿真结果显示：在多径信道中,自适应PCSS-OFDM系统的误码率相比PCSS-OFDM系统有显著降低;自适应DMP-PCSS-OFDM系统则更适用于相干带宽较窄且衰落较深的信道中。     

基于马赛克战的国防科技发展需求分析

<正>马赛克战最早于2017年由美国防高级研究计划局（DAPPA）提出,旨在借鉴“马赛克”拼图简单、可快速拼接等特点,将“发现、锁定、瞄准、交战和评估”杀伤链的各作战单元,分布在各作战域的有人和无人平台上,从而构建可动态组合、交互操作、跨域协同、自主适应的装备技术体系。     

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。     

深度多属性增强水声目标识别方法

被动声纳系统由于其隐蔽性好的特点在军事任务中发挥着重要作用。针对被动水声目标识别问题,开展了水声目标多属性特征提取与识别方法研究。利用深度学习方法从舰船辐射噪声中提取目标多属性特征并识别水声目标。提出了深度多属性增强水声目标识别方法,该方法可以从时域舰船辐射噪声中提取水声目标多属性特征及多属性之间的相关性特征,并用来增强深度模型对水声目标类别属性的表达能力。基于海试实测数据的6类水声目标识别实验结果表明,相比于不考虑多属性的识别方法,提出的深度多属性增强水声目标识别方法的平均正确识别率提高了3.6%～18.2%,并且具有更好的识别稳定性。     

略论军需装备综合集成建设

军需装备作为作战后勤系统的一个子系统,必将要逐步实现装备的三军一体化、单件装备的技术集成、人装集成、各个子系统的集成、装备保障与技术保障的集成、与其他后勤装备、作战装备、指挥网络的集成,从而最终实现综合集成,成为作战系统中一个融合、高效、低耗的子系统,实现保障有力。     

军事行政消耗性支出的效应分析

文章通过理论与模型相结合的方法,分析了军事行政消耗性支出的经济效应、社会效应、归宿效应,得出了在保证军队发展的基础上维持军事行政消耗性支出的稳定增长、但规模应尽量压缩的结论。