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。     

ABAQUS二次开发在发射场坪参数化建模与分析中的应用

发射场坪是发射系统的重要组成部分,为了能够快速准确地建立含场坪效应的发射装备非线性有限元动力学模型,实现仿真分析的自动化,引入ABAQUS二次开发技术,利用ABAQUS自带的RSG编制发射场坪参数化建模分析的插件界面,并编写对应的内核脚本程序与之级联,级联成功之后即可实现场坪建模、分析的参数化操作。该方法避免了重复建模,有效提高了仿真分析过程的自动化程度,为场坪的响应特性研究提供了有力的支撑。     

领导干部的政治能力该怎么体现

习主席多次强调各级领导干部要加强学习和实践,努力提高思想政治能力,对加强政治能力训练、政治历练提出明确要求,指明正确方向和科学路径。军队领导干部要深入学习、认真领会,提高与职责匹配的政治能力。不断创新的思想理念能跟紧。政治忠诚是政治能力之魂,最内在的忠诚源于政治认知。领导干部思想落后就是最严重的失职,作为单位的决策者,思想站位要更高。最根本就是要紧跟党的创新理论学习,     

新疆民汉教师网络学习现状差异对比研究

文章调研民汉教师在网络学习次数、网络学习资源获取能力、网络学习条件、网络学习人际互动水平、网络学习效果等方面的现状.一方面,通过独立样本T检验发现,民汉教师在参与网络学习的次数、网络资源获取能力上存在显著性差异,而在网络学习条件、网络学习人际互动水平、网络学习主动性以及网络学习效果方面并不存在显著性差异.另一方面,通过多因素方差分析发现,男性民族教师网络学习现状整体状况较差,有待进一步提高;大龄及教龄较长的民族教师在网络学习主动性及网络交流人际互动水平上与汉族教师存在较大差距,值得关注;乡镇级学校民族教师网络学习条件较差,网络学习主动性和网络人际互动水平均亟待提高.     

基于稀疏贝叶斯学习的扩展目标雷达关联成像*

雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

飞行参数折合系数法评估军用飞机任务可靠性北大核心

任务可靠性是军用飞机关键可靠性参数之一,与飞机执行的任务剖面息息相关。选取对飞机任务可靠性影响较大的气压、振动和过载等3种因素,建立了基于飞行参数的任务可靠性评估模型;引入折合系数法,将不同任务剖面下的可靠性数据(飞行时间、故障数据等)进行折合,并利用试飞数据对模型进行验证。结果表明,该方法具有较强的工程应用性,可用于试飞阶段军用飞机任务可靠性评估。     

基于不稳定性采样的主动学习方法

传统的主动学习方法往往仅基于当前的目标模型来挑选样本,而忽略了历史模型所蕴含的对未标注样本预测稳定性的信息。因此,提出基于不稳定性采样的主动学习方法,依据历史模型的预测差异来估计每个未标注样本对提高模型性能的潜在效用。该方法基于历史模型对样本的预测后验概率之间的差异来衡量无标注样本的不稳定性,并挑选最不稳定的样本进行查询。在多个数据集上的大量实验结果验证了方法的有效性。     

融合图嵌入的光滑主成分分析网络图像识别算法

主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。     

具阻尼广义Korteweg-de Vries方程的迭代学习控制

研究了一类具阻尼广义Korteweg-de Vries(KdV)方程的迭代学习控制问题,利用半群理论导出系统状态的表达式及先验估计。若迭代过程中初值允许存在一定偏差,结合P型迭代学习控制算法,证明了跟踪误差在Banach空间■中收敛,并且给出了数值实例。