目标智能识别研究

本文提出了数据融合技术与数据挖掘技术相集成的海上目标自动识别系统体系结构以及基于加权粗糙集模型的特征知识挖掘方法,运用模糊神经网络技术进行目标识别。     

基于BP神经网络的C4ISR系统人机交互性能评估

针对C4ISR系统中人机交互子系统的特点,运用神经网络方法探索其性能评估问题.建立了C4ISR系统人机交互性能评估的指标体系,阐述了BP神经网络的相关原理及算法,构建了基于此网络的性能评估模型.并利用MATLAB软件进行了仿真分析,证明了理论的正确.采用神经网络理论进行性能评估,可弥补专家的经验和知识,降低评价过程中的人为因素影响,保证其客观性.模型能够比较准确地对C4ISR系统人机交互性能进行评估,为研究指挥自动化系统提供了一种新的思路.     

一种循环队列的判定定理

首尾相接的循环队列是一种动态的数据结构。本文给出了在并发进程环境下,使用循环队列的判定定理,本定理已在银河机软件实现中得到应用。     

基于BP神经网络的水面舰艇CGF反潜指挥决策模型

为使水面舰艇CGF战斗实体具有自主性、智能性等特点,满足现代作战模拟需求,建立了水面舰艇CGF反潜指挥决策模型。本文对水面舰艇CGF指挥决策整体框架进行了研究,并通过对水面舰艇对潜作战战术规则库学习训练,建立了基于BP神经网络的水面舰艇CGF反潜指挥决策模型。通过仿真,验证了水面舰艇CGF反潜模型在不同态势下指挥决策模型的正确性和有效性,从而为水面舰艇CGF建模提供参考。     

基于格拉姆角场和PSO-CNN的滚动轴承故障诊断方法

针对卷积神经网络的结构对滚动轴承故障诊断精度有较大影响的问题,提出一种基于格拉姆角场和粒子群优化卷积神经网络结构的故障诊断方法。采用格拉姆角场对一维轴承振动数据重构,保留原始数据信息的同时包含了时间相关性;采用粒子群优化算法对编码后的卷积神经网络结构迭代寻优。利用西储大学的轴承数据集进行试验验证,试验结果表明,该方法可自适应生成网络结构,平均诊断精度为99%,相对于其他主流卷积神经网络结构可以获得更好的故障诊断精度。     

基于深度学习多网络融合的网联车辆驾驶行为预测

智能网联车在复杂道路场景中安全行驶需要对周围车辆驾驶意图和行驶轨迹的准确预测。将双向长短期记忆网络(Bi-directional Long Short-Term Memory)、卷积生成对抗网络(Deep Convolutional Generative Adversarial)和注意力机制(Attention Mechanism)相融合,提出一种基于BLSTM-DCG-ATT的网联车辆驾驶意图和行为预测模型。通过正反双向LSTM链路和注意力机制得到具有双重特征的数据,通过卷积生成对抗网络对特征数据进行卷积处理,迭代生成网联车辆及周围车辆的未来时刻变道意图和行驶信息。仿真结果表明：该模型能够在复杂路网、交通流密集的情况下,对网联车辆及其周围车辆的变道意图和行驶轨迹进行准确预测,预测精度达94%。     

一种基于神经网络的磁性目标定位方法

磁性目标定位问题可归结为一类非线性规划问题的求解 .该问题的最大特点就是其目标函数的计算过程极为繁琐 .而目标函数计算的快慢对磁定位的实时性有很大影响 .在详细研究了目标函数之后 ,给出了目标函数的一种神经网络结构实现 .由于该网络结构易于并行计算和VLSI实现 ,从而可使磁定位的实时性得到改善 .     

使用低分辨率雷达和社会网络进行舰船目标识别

本文研究使用低分辨率下靶区雷达包络线,预处理和神经网络工具进行舰船目标分类的方法。     

浅谈T（S）函数在准静态热力学过程中的应用

本文简要分析了T(S)函数在准静态热力学过程中的应用,给出了确定过程中最高(低)温度及吸(放)热转换点的方法。对利用T(S)函数计算热循环效率进行了初步的探讨。     

中子弹核爆炸识别与当量测定原理和方法研究

从核爆炸效应的不同角度对中子弹核爆效应现象学进行了综合研究,得出了较全面系统的结果;同时,在对中子弹核爆炸效应进行分析的基础上,提取了一系列效应特征量,并推荐使用了优化特征量;利用多层神经网络系统,进行了中子弹核爆炸弹型识别的计算机仿真研究,得到了较理想的识别率;最后给出具有中子弹核爆炸识别、当量确定功能的核爆炸监测系统的原理与工作序列。