以“五个起来”推动《纲要》落地生根

新修订的《纲要》为夯实强军兴军根基、统领基层建设、检验基层工作提供了基本法规依据,但要促使《纲要》落地生根,切实做到党委依纲决策、机关依纲指导、基层依纲履职,还必须在学、建、创、合、实五个方面下功夫。在对比差异中"学起来"。要采取通读原文、新老比照、逐字逐句的学习方法,重点对180余处修改点进行解读,帮助大家明确新规定、新提法、新要求。一是对比目标学。围绕基层建设目标新增加的3个方面16条     

基于元学习的作战行动效能评估标准数据生成方法研究

部队作战行动效能评估难度大的主要原因是缺乏科学可靠的评估标准数据。为了选择适当的算法生成评估标准数据,建立了基于元学习的评估标准数据生成方法总体框架,并提出集成近似排序树方法来建立作战行动数据集元特征与算法性能排序的映射关系形成元知识,从而辅助指挥决策人员选择适当的算法生成评估标准数据。     

改进的OFDM雷达通信一体化信号峰均比抑制方法

正交频分复用（orthogonal frequency division multiplexing,OFDM）信号是雷达通信一体化系统常用的发射波形之一,但是其峰均比较高,影响发射机的工作效率。传统的限幅法虽然可以降低系统OFDM信号的峰均比（peak-to-average power ratio,PAPR）,但会造成误码率（bit error rate,BER）增大和带外频谱泄露的问题。对传统的限幅法进行改进,将高于门限的信号进行抑制,通过迭代滤波消除带外信号弥散造成的频谱效率下降的问题。将改进峰均比抑制方法与传统峰均比抑制方法进行比较,验证了所提方法的低峰均比性能、误码率性能和模糊函数性能。仿真实验表明,所提方法通过合理设置限幅门限和选择迭代滤波次数,可以有效降低OFDM信号的PAPR,并且对雷达探测性能和通信性能影响较小。     

面向无人驾驶的野外道路可通行区域检测

针对野外非结构化道路中存在的环境背景复杂、道路类型多变、没有清晰车道线、没有规则道路边界等难点,提出一种基于语义分割的可通行区域检测方法。对所选取的数据集进行处理,将数据集标注为可通行区域、难通行区域、不可通行区域、天空4种类型;应用双边语义分割网络Bisenet进行4种类型的分割;再应用C-均值聚类算法进行可通行区域部分的提取以及二次分割,进而实现更精细的可通行区域检测。通过验证,该方法具有良好的检测效果,平均交并比达到78%,高于传统的方法。在野外道路无人驾驶方面具有一定的实际应用价值。     

联合战役兵棋AI体系框架设计及关键技术分析

深度强化学习在游戏智能决策领域取得了令人瞩目的突破。多智能体深度强化学习、分层深度强化学习等领域的研究工作正将深度强化学习研究引向深入。由于联合战役兵棋博弈复杂的问题构成难以仅依靠深度强化学习方法解决,因而需要将人的知识经验有机融入强化学习过程中。对深度强化学习算法进行综合分析,并系统总结梳理联合战役兵棋AI的军事运用需求,在此基础上设计联合战役兵棋AI的体系框架并就框架中的相关技术进行探讨。     

学习雷锋“十个一”

在毛泽东等老一辈革命家为雷锋同志题词60周年之际,习近平总书记对深入开展学雷锋活动作出重要指示。“60年来,学雷锋活动在全国持续深入开展,雷锋的名字家喻户晓,雷锋的事迹深入人心,雷锋精神滋养着一代代中华儿女的心灵。实践证明,无论时代如何变迁,雷锋精神永不过时。”原总参军训和兵种部政委田永清曾把雷锋精神总结为“十个一”:“一辈子”的奉献精神、“一颗心”的“傻子”精神、“一块砖”的敬业精神、“一颗钉”的学习精神、“一团火”的助人精神、“一滴水”的团结精神、“一线光”的磊落精神、“一把油”的奋进精神。     

基于深度强化学习的智能对手自主空战决策技术

为提升空战训练对手的智能性与自主性,提升空战训练效果。针对空战战术训练智能对手自主空战决策问题,提出一种基于深度强化学习的智能体训练方法,采用最大熵强化学习（SAC）算法平衡策略探索与利用的优势,引入自博弈和多智能体联盟训练方法提升空战智能体策略的多样性和鲁棒性。针对一对一近距格斗空战场景建立智能博弈框架及奖励函数,仿真结果表明,基于零经验训练得到的智能体能够有效自主机动决策并实施近距导弹攻击,产生较好的战术效果,证明该方法在一对一近距格斗空战智能体训练中的有效性。     

融合锚节点和三元关系向量的军事知识图谱表示学习

知识图谱是一种用于表示和推理知识的图结构,对于军事领域的决策支持和智能化应用具有重要意义。现有的军事知识图谱多面临着大量三元组缺失的问题,对辅助决策任务造成极大的影响。为此,提出一种融合锚节点和三元关系向量的军事知识图谱表示学习模型。通过NodePiece构建固定大小的锚节点词汇表,以实现对任何实体的引导性编码和嵌入;利用TripleRE综合关系向量的投影与平移特征表示,实现对实体间语义相似度和关系强度的深层捕捉。实验结果表明,该方法在军事知识图谱单跳推理任务上取得了优异的性能,证明其有效性和可行性。     

基于迁移学习的小样本事件抽取技术及军事应用展望

事件抽取作为信息抽取的任务之一,旨在从非结构化文本中抽取出结构化事件信息,从而更好地应用在相关应用领域和下游任务上。基于迁移学习的事件抽取技术是当前低资源场景下的事件抽取研究的主流方法,通过设计更鲁棒的模型来迁移知识,解决事件抽取面临的训练数据缺乏问题,从而提升小样本事件抽取的效果。对基于迁移学习的小样本事件抽取技术及其军事应用展望作了全面的阐述,回顾事件抽取的起源与发展,描述迁移学习事件抽取的研究背景,并重点总结目前的技术方法及其军事研究现状,提出其军事上应用展望,最后对其面临的问题挑战和未来研究热点作了分析。     

异步非平稳干扰抑制方法

为解决单通道条件下异步非平稳干扰抑制问题,提出基于数据驱动的稀疏分量分析干扰抑制方法,旨在从接收到的混叠信号中恢复期望信号。该方法利用深度卷积神经网络对输入/输出端数据间的复杂映射关系的强大建模能力,实现了目标信号稀疏域的自适应选择、稀疏域中目标信号稀疏表示的自适应学习以及目标信号的自动恢复。与以往干扰抑制算法不同,所提方法在时域上完成了“端到端”的信号波形恢复,且对混叠观测无先验要求,相比现有方法更具普适性。仿真实验验证了所提干扰抑制方法在不同环境噪声和干扰信号强度及泛化测试条件下的有效性,对干扰的抑制性能显著优于现有算法。