基于时滞分割法的具有leakage项时滞的离散型神经网络状态估计

摘要：研究一类具有leakage时滞的离散型神经网络的状态估计问题．通过构造新的Lyapunov泛函得到保证估计误差全局渐近稳定的充分条件,并通过求解一个线性矩阵不等式（LMI）得到状态估计器的增益矩阵．采用一种新的时滞分割方法将变时滞区间分割为多个子区间,使该结果在获得更小的保守性同时也降低了计算的复杂度．     

基于改进半监督FCM聚类的复合材料超声检测脱粘缺陷识别

针对径向基（RBF）神经网络在进行超声检测脱粘缺陷识别时存在参数选择不确定、网络结构鲁棒性差等问题,提出一种改进的自适应半监督模糊C均值聚类（FCM）的RBF神经网络的方法,将kw近邻估计法和半监督模糊C均值聚类方法相结合,改进了隶属度函数,自适应确定聚类数目。将改进的RBF神经网络应用于超声检测脱粘缺陷识别,实验结果表明：与传统RBF神经网络相比,本方法减弱了孤立样本对网络结构的影响,增强了网络结构的鲁棒性,提高了脱粘缺陷识别的准确率,是一种较好的超声检测脱粘缺陷识别分类方法．     

SINS/GNSS自适应反馈校正滤波

SINS/GNSS组合导航中,反馈闭环校正比开环输出具有更高的短时精度;但反馈校正的输出会有长时间缓慢发散迹象。传统工程上应用最优奇异值可观测度对反馈向量进行自适应调整,但最优奇异值计算量很大,且不同机动情形下的最优奇异值也不相同,很难确定。通过分析卡尔曼滤波的方差矩阵,提出一种新的可观测度定义,并利用滤波协方差矩阵确定新的可观测度,并结合人工神经网络确定反馈校正的自适应调整系数,仿真表明新方法抑制了反馈校正输出误差的长时缓慢发散,提升了导航精度。     

讲好中国故事 传播好中国声音

我们要守土有责、守土负责、守土尽责,讲述更生动的故事,传播更响亮的声音,引导广大兵团干部职工群众为实现中华民族伟大复兴的中国梦而奋斗"着力打造融通中外的新概念、新范畴、新表达,讲好中国故事,传播好中国声音。"在近日召开的全国宣传思想工作会议上,习近平总书记对宣传工作的"善听""、会讲"提出了要求。     

廉政传真

一师十团廉政文化建设抓"六进"今年,一师十团以"传播先进文化,倡导廉洁风尚"为主题,以廉政文化"六进"为抓手,以推进廉政文化建设示范点创建活动为途径,以打造具有团场特色的廉政文化为重点,多措并举开展各项活动,进一步扩大廉政文化的覆盖面和影响力,助推了廉政文化建设的深入开展。该团还集宣传、理论、新闻、文化、广电等职能于一体,不断加大廉政文化传播力度和廉政文化产品创作力度,不断     

利用网络动力学评估复杂社会网络知识传播性能

为了对复杂社会网络知识传播性能进行评估,提出了利用复杂网络动力学和知识传播指数相结合的评估模型,该模型综合考虑了网络的拓扑特性、个人的知识普及能力和对知识的感兴趣程度,通过网络知识传播指数阈值的大小来衡量网络的知识传播性能.通过仿真发现,知识在社会网络中的传播对均匀网络平均度值和无标度网络初始传播节点度值的依赖性小,对知识传播指数的依赖性大;在相同条件限制下,无标度社会网络的知识传播性能要高于平均度值相等的均匀社会网络.     

传播正能量 筑牢网络长城

古人云,兵马未动,粮草先行。全媒体时代,军事行动与舆论造势的关系殊为重要。放眼全球,当下武装冲突、军事行动、非战争军事行动乃至联盟行动,不仅兵马即动,舆论大行——伊拉克战争期间,CNN记者的镜头随军而动直     

高校民族民间美术课程资源与新疆地域文化传承研究

在理解民族文化艺术内涵的基础上,把握和创造性地利用新疆民族民间美术资源,研究、开发出具有地域文化特色课程,对于新疆高校保持特色办学,开拓创新,践行新疆精神,将新疆各民族优秀的民族民间美术进一步发扬光大,具有重要的现实意义和历史意义。     

《孙子兵法》海外传播述评

《孙子兵法》所阐述的博大精深的哲理成为世界各国人民共同的财富。《孙子兵法》在海外的传播由中华文化圈向外扩展,中国在促进《孙子兵法》向海外传播过程中发挥了主要作用;《孙子兵法》在海外传播的价值取向逐渐从历史差异转向时代趋同,其利于和平与发展的时代价值越来越被世界各国广泛认可;《孙子兵法》在海外传播的手段由相对单一渐趋丰富,信息化时代为进一步扩大孙子兵法在海外的影响提供了便利。《孙子兵法》在海外传播的过程,同时也是海外优秀文化向国内传播的过程,促进着中华文化不断发展创新。推动中华文化走向世界,还应深入思考如何更加充分地利用《孙子兵法》的智慧,进一步增强国家文化软实力、中华文化的国际影响力。     

面向无人环境的机器人生态圈自主任务决策方法

借鉴自然界生态系统的典型特征,提出机器人生态圈概念。通过使集群机器人进行智能协同与复杂演化,涌现自我维持、自我复制与自我进化等生命特征,实现无人条件下的长期生存、繁衍与进化,并执行特定的任务。针对机器人生态圈典型任务场景的自主任务决策需求,分析不同机器学习任务决策方法的特点,建立机器人生态圈自主任务决策的决策树模型和神经网络模型。分析表明,两种模型的正确率均在80%~90%,且均具有良好的稳定性。这说明,机器人生态圈自主任务决策问题可以通过决策树、神经网络等机器学习方法来很好地加以解决,从而为面向无人化场景的任务应用提供技术支持。