数据与知识双驱动的备件需求模糊预测模型

针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。     

精心培育知识型军人

91602部队党委坚持以“三个代表”为指导,着眼培养未来军事斗争人才的需要和部队建设发展的挑战,作为创建“学习型党委”的先行点,坚持做到因人因地制宜,在经常化、普遍化和制度化上下功夫,积极开展创建活动,并摸索出了一些行之有效的做法。一、党委重视,引导官兵树立新的学习理念。在调查中发现,少数官兵对争创和争做“学习型军营、知识型军人”认识不足,普遍存在着“工作是正业,学习是副业”的模糊认识。为此,部队党委有针对性地进行疏导,使官兵达到了三个明确,树立了三种观念:①通过教育使官兵明确学习知识是讲政治的需要,牢固树立学习就…     

失事潜艇的救星——深潜救生艇

当美国海军“长尾鲨”号潜艇在上个世纪60世代初期沉没,艇上所有人员无一幸免,海军就开始采取许多措施确保这样的悲剧再也不会发生。在总统深潜特别顾问团建议下,深潜救生艇研制计划启动,并在20世纪60年代中期开始得以发展,接下来深潜救生艇“神秘”号（DSRVI）和“阿瓦隆”号（DSRV2）等深潜救援系统的研制成功就源于该计划。     

海上远程精确打击体系的构成

要对远在几百公理以外的目标进行精确打击,需要构筑海上远程精确打击体系,该体系应由远程侦察监视平台,作战指挥平台,导弹运载发射平台,远程反舰导弹系统等组成。海上远程精确攻击体系是个大系统,应能完成目标的探测跟踪,数据传输,信息处理,指挥决策,目标指示,作战效果评估等功能。其功能组成应包括传感器网,信息传输网,指挥控制系统,远程目标指示系统,导弹火控系统等。本文重点对海上远程精确攻击体系的构成、传感器网、信息传输网、远程目标指示系统进行了描述。并列举实例加以说明。     

第一政委:铸造预备役劲旅的“砌砖人”——云南某预备役师第一政委群体速写

预备役师团第一政委担负着指导预备役部队建设质量的职责,他们有没有履职尽责关系到预备役部队打赢能力的问题。兼任云南预备役师团第一政委的每一名地方党政领导,都甘当国防事业的砌砖人,在基础设施建设、训练改革、信息化建设等多项工作中倾注热情、浇灌心血、获得硕果,赢得总部和军区的表彰。特刊发一组该师团第一政委的群体事迹,旨在褒扬和提倡他们的敬业精神。     

一键制胜——重庆市预师一团用科学发展观提升信息化建设纪实

百里预编区一网相连,不仅全部实现网络执勤,还能进行远程教学和网上军事训练,简直是一键定胜负……重庆预师一团短短几年的信息化建设成果令人刮目相看。前不久,重庆警备区专门召开现场会,推广了该团落实科学发展观,依托信息化建设引领部队全面建设的先进经验。走进该团作战值班室,随着值班人员轻敲一下键盘,一幅信息化执勤管控的生动画面跃然眼前:     

口无遮拦被淘汰 保守秘密被录用

一大早,四川梓潼县文昌镇退伍上兵王开品高高兴兴地前往西山公司报到上班。与此同时,同他一起到西山公司应聘的战友李某却未能如愿。这究竟是咋回事呢?位于梓潼县的西山公司是绵阳一家以销售、出口商品猪为主要业务的大型民营企业。该公司计划招聘3名保安,经过文化考试,从新疆某部退伍的王开品和战友李某有幸进入了最终面试。担     

专家组召开各类人员座谈会 走访部系及职能处室

评估期间,评估专家分组召开了各类人员座谈会,走访了各教学部系及职能处室。先后组织召开了院领导座谈会,教学管理人员、离退休干部、教师、学员座谈会;走访了基础部、边防系、消防工程系、消防指挥系、警卫系、部队管理系、维和培训中心,训练部学院办公室、教务处、教保处、图书馆、编辑出版中心、模拟演练与信息管理中心、实验教学管理中心,政治部组织处、干部处、宣传处,院务部财务处、营房处,科研部组织计划处,基础部军体教研室等有关处室;随堂进行了听课;查阅了学员试卷和毕业论文;组织学员（随机抽取）进行了英语技能测试、计算机技能测试和基本技能（400米障碍）测试。     

浙西核电项目2010年开工

8月13日,中核集团公司综合计划部在杭州组织召开了浙西核电项目专题工作会议,对浙西核电项目初步可行性研究工作进行了回顾,充分肯定了初可研工作的模式和成果,并对可行性研究工作的开展及相关工作进行了总体部署。此次会议的召开,标志着浙西核电项目可行性研究工作正式启动,     

基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。