一种天波雷达探测威力评估方法

研究了天波雷达探测威力的评估方法.基于天波雷达探测威力的3类17种指标,采用层次分析法(AHP)建立了一种三级层次结构的探测威力定量评估模型,讨论了各级权重的定量计算方法,并对模型的有效性进行了检验.结果表明,运用该方法对天波雷达进行探测威力评估是有效可行的.     

浅谈新课标下高中物理实验探究教学

在新课程改革中,新课标下的物理教材,更充分地体现出以学生为主体的原则。本文从开展探究性实验教学;实验教学引入不要拘泥于传统、强化实验创新设计等几方面阐述了如何在物理实验教学中培养学生的创新能力。     

要地防空指挥控制系统作战效能灰色聚类评估

建立要地防空指挥控制系统作战效能评估指标体系,运用层次分析法确定各层次指标权重,提出了一种基于灰色定聚类和中心点三角白化权函数的要地防空指挥控制系统作战效能灰色聚类评估方法,并通过算例对该方法的有效性进行了检验。结果表明该方法是切实可行的。     

维吾尔史诗《福乐智慧》及其数学思想解读

《福乐智慧》是一部反映古代维吾尔人社会生活的百科全书,广泛地涉及到哲学、政治、法律、军事、伦理、宗教、天文学、数学等领域,其中的数学与数学教育思想尤为丰富。《福乐智慧》探讨了诸如什么是数学,为什么要学习数学,学习什么内容,如何学习数学,以及学习数学对人的一生有什么影响等问题。《福乐智慧》所涉及的数学内容包括算术、几何学、三角、代数,尤其是特别提到了欧几里得的《几何原本》。总结发掘《福乐智慧》的数学教育思想,对于批判继承中华民族的优秀文化成果,让国内其他兄弟民族乃至世界各国客观全面地了解新疆古代维吾尔数学发展史,填补我国数学发展史和中亚数学发展史上的空白等有重要意义。     

建构主义视角下强化大学生信仰教育的对策探析

建构主义学习理论在强化大学生信仰教育方面有着重要的指导作用。夺文简要分析了夫掌生信仰教育存在的问题,探讨了建构主义学习理论对于强化大学生信仰教育的重要意义,并以建构主义卷习理论隽指导,从“以学生为中心”、“情景创设”、“协作学习”、“利用各种资源”四个方面提出了强化对策,以期提高大学生信仰教育水平,实现大学思想政治教育的功能。     

兵团团场中小学教师队伍现状调查与分析

兵团团场教师队伍结构性矛盾突出、教师编制紧张、城乡（团）收入差距较大、教师流失较严重。要通过优化教师结构、创新教师补充机制、提高教师待遇、提升教师素质,稳定团场教师队伍,促进兵团义务教育均衡发展。     

混合不确定条件下的飞行器级间分离可靠性分析

为量化飞行器级间分离过程随机不确定性和认知不确定性的综合影响,结合概率和区间理论混合模型特点,提出了一种基于随机和区间理论混合模型的飞行器级间分离可靠性分析方法。面向高超声速飞行器分离任务需求,建立分离动力学仿真模型,针对级间分离结构的几何特点,设计了一种快速碰撞检测方法,进而构建了分离任务的可靠性分析混合模型。通 过将该模型转化为随机可靠性分析的无约束优化问题,考虑分离过程中复杂外力及力矩导致功能函数高度非线性的特点,利用高效全局优化和主动学习Kriging方法实现无约束优化问题高效求解。结合实例表明,该方法能够准确描述混合不确定性因素对飞行器分离过程的影响,给出了飞行器分离任务可靠性区间,可为飞行器分离方案的精细化设计提供决策支持。     

美国高超声速武器发展现状与得失简析

高超声速武器是世界各大军事强国进行科技攻关和装备发展的重要领域.美国是世界上最早开展高超声速武器研究的国家之一,在高超声速武器发展历史上曾长期居于领先地位.然而近年来,美国在高超声速武器领域疲态渐露,多个重点项目出现严重节点滞后,试验事故频发,以至于在高超声速助推滑翔武器和高超声速巡航导弹两大技术方向上均陷入了被其他国...     

众包标签的双重置信度推断算法

标记者的知识水平、评价标准等均具有显著差异,导致收集到的标签质量参差不齐,提高标签和学习模型的质量对众包标签中学习起着关键作用。针对众包标签推断问题,提出了一种双重置信度推断算法,分别从数据分布特征及标签信息两方面计算得到标记者置信度,再通过此置信度推断数据集的集成标签,以此提高集成标签的质量。实验结果表明,与其他仅使用标签信息的推断算法相比,所提算法可以得到更优结果。     

面向无人环境的机器人生态圈自主任务决策方法

借鉴自然界生态系统的典型特征,提出机器人生态圈概念。通过使集群机器人进行智能协同与复杂演化,涌现自我维持、自我复制与自我进化等生命特征,实现无人条件下的长期生存、繁衍与进化,并执行特定的任务。针对机器人生态圈典型任务场景的自主任务决策需求,分析不同机器学习任务决策方法的特点,建立机器人生态圈自主任务决策的决策树模型和神经网络模型。分析表明,两种模型的正确率均在80%~90%,且均具有良好的稳定性。这说明,机器人生态圈自主任务决策问题可以通过决策树、神经网络等机器学习方法来很好地加以解决,从而为面向无人化场景的任务应用提供技术支持。