静磁场Dirichlet问题Galerkin法和牛顿法

作者在［１］,［２］中给出了静磁场Ｄｉｒｉｃｈｌｅｔ问题和Ｎｅｕｍａｎｎ问题广义解的存在与唯一性。本文从理论上给出静磁场Ｄｉｒｉｃｈｌｅｔ问题的一种Ｇａｌｅｒｋｉｎ近似解法,并给出了在各向同性或无电流区情形下的误差估计和牛顿选代序列。     

非线性动态系统的渐近滑态控制概述

总结和推广了非线性动态系统渐近滑态（ＡＳＭ）控制方法的若干理论成果。在相当一般的假设条件下,我们指出了可以采用连续（乃至光滑）的控制方案,将系统的状态驱往给定的滑动流形上。此外,我们还引入了基于Ｈａｍｉｌｔｏｎ－Ｊａｃｏｂｉ方程的理论方法,统一了先前得到的关于闭环系统鲁棒性分析的结果。最后我们列举了一些应用例子和研究建议。     

等离子体粒子模拟技术引起的对于色散关系的偏离及对孤立子模拟的影响

本文用解析分析的方法分析了等离子体粒子模拟中的有限大小粒子、电荷近网格分配和时间差分方法引起的相对于等离子体静电波色散关系的偏离,导出了修正后的色散关系。文中设计了等离子体粒子模拟的计算机模拟实验方案,验证了有限大小粒子和时间差分方法引起的对于色散关系的偏离;介绍了用不同大小粒子进行孤立子现象的等离子体模拟,结果表明,粒子的大小不同可产生相反的结果。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

2023年深度学习技术主要发展动向分析

深度学习已成为人工智能领域的研究热点和主流发展方向之一,为诸多重要应用领域带来了革命性的进步。对2023年深度学习技术热门领域的主要发展动向进行了综合评述。首先介绍了深度学习技术发展现状,其次探讨了深度学习技术的军事应用任务和挑战,最后盘点了深度学习技术的未来重点发展方向。综述表明,大语言模型是深度学习领域在2023年最突出的亮点,世界模型框架下的自监督学习技术、强化学习框架下的人工智能智能体技术等也呈现加速发展态势;环境恶劣与强干扰复杂条件下的高鲁棒性深度学习、面向实时流数据高效处理与内在逻辑关联的深度学习、面向多变作战场景自主决策与快速决策的深度学习、面向跨域数据协同感知与协同推理的深度学习等,是深度学习技术未来重要的发展方向。     

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。     

基于小波分析的子带特征提取与选择方法

在研究了目标图像多尺度小波分解特性的基础上,提出了基于小波多尺度分解子带主成分的特征提取的算法。该算法利用图像在不同尺度的小波变换域中能量局部集中性,选择各子带能量较集中的局部小波系数构成图像目标特征向量。这种特征包含图像目标的主要边缘、纹理、灰度、结构等多种信息。由于对图像目标的特征信息的分布没有任何限制,因而适用于多种类型的图像的特征提取,可以解决单一特征提取方法中必须面对的所提取特征不明显的难点。这种特征向量对噪声有较好的鲁棒性。     

基于极化特征的阵列天线地表识别策略

针对低空飞行平台阵列天线对地测高问题,提出了一种基于极化特征的地貌识别策略。该策略主要对探测波束范围内地表与地物进行区分,对于具有明显区分度的探测区域,利用极化旋转不变参数对地物进行特征分析;对于不具有明显区分度的探测区域,利用极化回波重构技术进行判定。并结合FastICA算法获得探测区域方位信息,使平台具备高精度的目标定位能力。仿真实验验证了该策略的可行性与优越性,在干扰存在时也能准确区分地表与地物。     

美国陆军官方网站多模态话语分析与军队形象建构

本文以Kress、Van Leeuwen和 Painter等学者的视觉语法理论为基础,从再现意义、互动意义和构图意义三个方面对美国陆军官方网站“相册”栏目进行多模态话语分析,挖掘网页的符号资源,探寻多模态语篇生成意义、传递信息和构建形象的具体机制。在此基础上,借助Halliday、Hasan、Bateman和Bhatia等学者的多模态语类分析理论,探究模态间的互动关系,分析网页的整体设计、语类特点和宣传手段等。研究发现,该网站通过象征意义、情感互动和显著性差异等手段,影响读者对美军的认知,引导读者对美军产生积极联想,从而回避现实问题,为美军塑造正面形象。在深入发掘网页的交际目的、结构潜势和互动机制的基础上,搭建多模态语类分析框架,揭示军事网站设计和社会文化背景的复杂关系,助力军队形象建设。     

基于子阵的频控阵自适应波束形成算法

针对经典的最小方差无畸变响应波束形成器应用在FDA-BFF(Frequency Diverse Array Based On Frequency Filter,FDA-BFF)及FDA-MIMO(Frequency Diverse Array Multiple-Input Multiple-Output,FDA-MIMO)接收机结构时,当阵元数较大或干扰与目标角度维接近时波束主瓣会产生峰值畸变或偏移,波束形成器输出性能下降,无法有效确定目标位置的问题,提出了基于双边小方差无畸变响应的子阵频控阵波束形成算法。该算法将一维均匀线性阵列划分为两个采用不同非线性频偏的中心对称子阵结构,在目标位置形成点状波束,对传统频偏固定的频控阵方向图中的距离-角度实现解耦。之后,通过双边小方差无畸变响应算法中求解克罗内克积的方式降低了算法计算量。仿真验证表明,阵元数较大时该算法在目标位置处形成点状波束的同时,可以有效抑制角度维不可分的干扰。