基于参数自适应CS模型的机动目标跟踪算法

为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。     

大力推进交通领域军民融合深度发展 ——深刻领会拟出台国防交通法的规定要求及思想内涵

迄今为止,国防交通工作始终遵循的是1995年由国务院和中央军委颁布的《国防交通条例》,该条例对于加强国防交通建设、保障国防活动顺利进行,发挥了重要作用.但随着形势的发展和变化、新情况新问题的不断出现,亟须一部权威性、针对性、操作性强的法规进行有效规范.即将颁布的国防交通法,不仅将填补国防交通领域专项法律空白,同时还对国防交通建设与发展产生重大的、深远的影响,它是一部交通领域的军民融合法律.     

新疆少数民族中学生汉语学习自我效能感的现状研究——以民汉合校中的维吾尔族学生为例

本研究以班杜拉的自我效能感理论为依据,对新疆喀什地区的几所民汉合校中的维吾尔族中学生进行了汉语学习自我效能感的调查,通过分析和研究发现,维吾尔族中学生的汉语学习自我效能感总体呈良好趋势,但个体自身特点、学校和家庭因素都会对汉语学习的自我效能感产生影响,其中性别、学习时间的长短、父母文化程度等方面差异显著,而年龄、家庭经济条件等方面的差异却不明显.     

三语习得视域下的新疆少数民族大学生英语学习

目前,西方对三语习得的研究不断深入,但国内对少数民族地区的三语习得研究亟需关注与深入探索.因此,本文从三语习得探讨新疆少数民族大学生英语学习,以期通过分析提高新疆少数民族大学生英语水平、跨文化交际能力和多元文化的素质,并为国内少数民族地区的三语习得研究供以借鉴.     

高一理科生化学自主学习现状的调查及对策研究——以石河子第一中学为例

“未来的文盲将不是目不识丁的人,而是不知道如何学习的人”.[1]学会学习是教育的重中之重,是每个人的必修课.本文分别从新课标的推动、社会的需要和学生的特点论述了高一理科生化学自主学习现状的现实意义,从学生自主学习意识和习惯、自主学习方法、影响自主学习因素和自我效能感找出高一理科生化学自主学习现状中存在的问题,并提出相应的对策.     

2015年国内英语移动学习研究状况分析

近年,英语移动学习的研究已然成为外语教学研究的热门领域.本文对2015年公开发表在国内学术期刊的关于英语移动学习的文献进行形式的量化统计与内容的质性分析,以期揭示2015年我国英语移动学习的研究状况,旨在为国内英语移动学习的研究者提供参考.     

关于在全体党员中开展“学党章党规、学系列讲话,做合格党员”学习教育方案

为深入学习贯彻习近平总书记系列重要讲话精神,推动全面从严治党向基层延伸,巩固拓展党的群众路线教育实践活动和"三严三实"专题教育成果,进一步解决党员队伍在思想、组织、作风、纪律等方面存在的问题,保持发展党的先进性和纯洁性,党中央决定,2016年在全体党员中开展"学党章党规、学系列讲话,做合格党员"学习教育(以下简称"两学一做"学习教育)。现提出如下方案。一、总体要求开展"两学一做"学习教育,是落实党章关于加强党员教育管理要求、面向全体党员深化党内教育的重要     

基于改进粒子群算法的四旋翼BSMRC优化策略

针对四旋翼无人机反步滑模鲁棒控制器(BSMRC)因参数整定困难而限制其工程应用的问题,设计了一种基于改进粒子群算法(IPSO)的BSMRC参数优化策略。建立了含未知扰动的无人机非线性模型并设计了补偿未知扰动的BSMRC,通过Lyapunov第2方法对系统稳定性进行了证明。接着,从惯性权重和学习因子两方面对经典PSO算法改进,提升了其收敛速度,在此基础上自动整定了BSMRC参数。通过仿真表明了IPSO可使BSMRC参数快速收敛到最优解。通过模块化编程及自动代码生成技术将最优BSMRC算法部署至Pixhawk 4飞控进行了飞行实验,结果表明了IPSO优化策略的有效性,体现出了BSMRC的强鲁棒性和抗扰性。该优化策略解决了无人机BSMRC参数整定效率低下的问题,并采用基于模型设计(model-based design, MBD)技术提高了无人机控制系统的开发效率。     

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。     

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。