基于GA-BP网络的LFM信号脉冲压缩

为了改善线性调频(linear frequency modulation,LFM)信号脉冲压缩输出的性能,研究了误差反向传播(back propagation,BP)神经网络在线性调频信号脉冲压缩中的应用。采用遗传算法(genetic algorithm,GA)对BP神经网络的连接权值进行训练学习,该算法可克服BP网络容易陷入局部最优的缺点。仿真结果表明,GA-BP网络具有较快的收敛速度和较好的数值稳定性,在信噪比损失小于1dB的条件下,可获得60dB左右的输出主旁瓣比。     

网络沉迷对青少年体质健康的影响与改善策略研究

网络的产生与发展对人类社会产生了越来越重要的影响.在信息化的今天,青少年被称为“网上的一代”,网络对其产生了重要的影响.面对不容乐观的青少年上网状况,本文采用体质健康测量法、问卷调查等方法以新疆青少年为研究对象,寻找青少年沉迷网络的成因,分析沉迷网络对青少年体质造成的危害.并因势导利,建立家庭、学校、社会三位一体的教育体系,防治青少年沉迷网络.     

来稿要求

本刊加入"中国学术期刊(光盘版)"、"中国学术期刊网"、"万方数据—数字化刊群"和重庆维普全文数据库,来稿要求如下:1.稿件须自校对无误,字数不少于5600字。2.题目下注明所在单位、城市和邮政编码。并加写300字以内的中文摘要和3-5个关键词。摘要用第三     

基于时间状态维的信息度量模型研究

网络空间中大数据海量汇聚,交互信息中隐藏的行为模式已对网络安全提出了全新挑战。如何分析网络节点规模、信息激增和恶意威胁等带来的网络安全问题,已成为当前网络防御的重要研究内容。文章从已有网络安全框架基础上,着重考虑终端用户行为模式,通过描述信息状态,增加时间状态维来度量异构群体中节点交互所带来的信息变化,建立了基于结构化的动态评估框架和信息度量模型,对于维护网络信息秩序,适时引导网络认知环境,有效解决网络防御有关问题具有重大指导意义。     

武汉高德红外股份有限公司

中国梦·强军梦·高德梦红外成像技术是夜战、精确打击、隐身、反隐身、超视距探测和光电对抗武器装备中的主要技术平台。武汉高德红外股份有限公司专业从事军用红外热成像光电系统及以此为基础的现代化武器装备的科研和生产,技术水平居国际先进、国内领先。公司是第一批获得武器装备科研生产许可和保密资质的民营军工上市企业。经过十多年的奋斗与积累,高德红外在红外光学、图像识别、制导     

高性能计算和数据中心融合网络研究综述

随着高性能计算、大数据处理、云计算和人工智能计算呈融合发展趋势,高性能计算网络和数据中心网络的融合网络成为互连网络发展的重要趋势。分析当前融合网络研究现状;针对当前最具代表性的融合网络进行详细阐述,全面展示该领域的最新技术和动态;提出融合网络面临的技术挑战;基于技术挑战对融合网络的发展趋势进行展望,包括融合网络协议栈设计中融合与分化并存、基于在网计算实现融合网络性能加速、面向新兴应用需求优化融合网络性能。     

基于MPC方法无人机避障路径规划研究

无人机大多依靠规划好的航路飞行,面对复杂的、不可预知的飞行环境,有效的自主障碍规避能力对提高飞行安全十分必要。针对无人机飞行过程中机动障碍物的避障问题,提出了一种MPC避障路径规划方法。构造障碍物预测模型、一阶指数参考轨迹生成方法、并提出了能力-时间组合最优为目标的滚动优化模型,有效解决了在运动障碍物作用下,无人机运动轨迹安全、平滑的动态规划问题。二维和三维空间仿真结果表明,所提方法是有效的。     

基于深度卷积神经网络的异常行为快速识别

针对异常行为快速识别问题,提出了一种基于深度卷积神经网络的视频检测和定位方法。该方法利用全卷积神经网络和时间数据,将一个预先经过训练和监督的全卷积神经网络转移到一个无监督的全卷积神经网络,确保能够检测全局场景中的异常,提出利用级联检测的方式来降低算法的计算复杂度,从而使其在速度和精度方面获得较高的性能。提出的基于全卷积神经网络的异常行为检测架构解决了两个主要任务,即特征表示和级联离群值检测。实验结果表明,所提方法在检测和定位精度上优于现有算法,且运行速度更快,从而表明所提算法的有效性和可行性。     

星地融合网络的上行链路覆盖性能分析模型

星地融合网络可以提供天、空、地、海立体全场景信息覆盖,满足用户多样的业务需求。针对星地融合网络,提出了基于覆盖概率的星座数和基站数的分析模型（AMCP）。该模型为星地融合网络的上行链路覆盖概率提供了分析方法。表述卫星星座数和基站数对用户信号的干扰,构建满足用户覆盖概率条件下的卫星星座数和基站密度的表达式。通过仿真分析了卫星星座数和基站密度对覆盖概率的影响,仿真结果为设计星地融合网络提供分析基础。     

针对无人机集群对抗的规则与智能耦合约束训练方法

基于无人机集群智能攻防对抗构想,建立了无人机集群智能攻防对抗仿真环境。针对传统强化学习算法中难以通过奖励信号精准控制对抗过程中无人机的速度和攻击角度等问题,提出一种规则与智能耦合约束训练的多智能体深度确定性策略梯度(rule and intelligence coupling constrained multi-agent deep deterministic policy gradient, RIC-MADDPG)算法,该算法采用规则对强化学习中无人机的动作进行约束。实验结果显示,基于RIC-MADDPG方法训练的无人机集群对抗模型能使得红方无人机集群在对抗中的胜率从53%提高至79%,表明采用“智能体训练—发现问题—编写规则—再次智能体训练—再次发现问题—再次编写规则”的方式对优化智能体对抗策略是有效的。研究结果对建立无人机集群智能攻防策略训练体系、开展规则与智能相耦合的集群战法研究具有一定参考意义。