基于混沌双扰动的CDDP SO-BP目标威胁估计方法?

信息化条件下的战场环境对目标威胁估计技术提出了越来越高的要求。提出一种基于混沌双扰动的CD?DPSO?BP目标威胁估计方法,该方法针对粒子群算法在进化过程中易出现早熟和寻优结果不稳定的缺陷,基于Tent映射提出混沌双扰动的思想,并加入粒子群算法的进化过程,实现对粒子群算法的改进;之后,利用该新算法训练BP神经网络的初始权值和阈值,建立目标威胁估计模型和算法;最后,将该方法应用于实例中进行仿真,结果表明该目标威胁估计新算法具有较高的准确度。     

BP组合预测方法在维修保障费用预测中的应用

通过对时间序列预测方法和回归分析原理的分析,建立了适用于武器装备维修保障费用的BP网络组合预测的时间序列多输出模型,并结合某型装备多年的维修保障费用,进行了预测数据仿真,得出的结果与实际的数据相比误差较小,具有较大的理论价值和实际的军事价值,有利于提高维修保障费用的效益,有利于实现装备的优良效费比。     

台湾问题的演变及前景

２０世纪即将过去,在祖国统一大业问题上只剩下台湾问题没有解决,这不能不令人深感遗憾。尤其是１９９９年７月９日李登辉提出“两国论”,公开亮出“台独”主张之后,更使这一问题的解决增加了变数,形势扑朔迷离,变化多端,给我们解决台湾问题增加了难度。特别是在香港、澳门回归之后,如何解决台湾问题更是当前中国政府急需解决的重要问题之一。 中国政府统一台湾政策的迁延 所谓台湾问题就是台湾回归祖国大陆,反对分裂,统一在一个中国之下的问题。而解决台湾问题的目标和政策及实现手段是经过几个阶段不断演变的。 第一个阶段：从…     

使用低分辨率雷达和神经网络进行舰船目标识别

本文研究使用低分辩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。文中使用改进的傅里叶离散梅林变换来提取对雷达姿态角变化不太敏感的某些特征。使用Kohonen的学习矢量量化(LVQ)自组织映射对这些特征矢量进行分类。文中也研究了使用反向传播算法进行训练的前馈网络在目标分类中的应用,并将这一分类系统用于模拟和真实两种数据。对于目标姿态角误差不超过30度的真实数据,分类的正确率高达90％。     

聚类方法在污水处理软测量中的应用机理研究

通过对污水处理过程建立多神经网络模型的可行性研究以及对活性污泥微生物的生长繁殖规律分析,得出在污水处理工程中采用基于聚类方法的多神经网络建模的理论依据,试验表明多神经网络的扩散常数同类半径相当接近,预测精度较高,证实了聚类分析的正确性.分析了可能影响模型精度的原因,指出采用在线实时算法是未来的研究方向.     

基于BP神经网络的空中目标威胁排序

研究了BP神经网络算法对空中目标进行威胁排序的方法.水面舰艇对空防御作战中,舰载平台多传感器系统获得空中目标属性信息不完全,利用BP神经网络建立目标各属性权值的分配模型,通过大量的实例对模型进行训练,可以使所获得的空中目标属性信息得到充分利用,从而得到基本符合战场环境的客观的空中目标威胁排序.     

2020年深度学习技术发展综述

对深度学习领域的研究进行综合评述,并对其进一步发展方向进行分析.首先分析围绕注意力机制的深度学习技术最新研究成果,以及在自然语言处理领域取得突破性进展的巨型预训练模型的特点与发展路径;随后概述开源深度学习市场的火热局面及其对技术升级的推动作用;最后分别从香农定律、冯·诺依曼架构、摩尔定律三个角度探讨深度学习技术的未来发...     

2020年人工智能芯片技术发展综述

对人工智能芯片领域的研究进行了综合评述,并对未来发展趋势进行了分析.首先分析了当前世界主要科技巨头纷纷布局人工智能芯片的现状;然后重点介绍了边缘侧低功耗人工智能芯片的特点与研发应用现状;最后讨论人工智能芯片发展趋势.综述表明,人工智能芯片在越来越多的场景中表现出广阔的应用前景,低功耗和面向通用人工智能的人工智能芯片研发...     

基于ARMA-BP组合模型的装备故障率预测方法

为解决单一模型预测装备故障率预测误差大、精度低的问题,提出了一种基于ARMA-BP组合模型的装备故障率预测方法.在建立ARMA模型和BP神经网络模型的基础上,采用加法集成法建立ARMA-BP组合预测模型,并利用方差倒数法确定ARMA模型和BP神经网络模型的权重系数.以某型装甲装备故障率数据为研究对象,对比ARMA模型、...     

基于生成对抗网络的空中目标图像生成算法研究

复杂实战背景下的空中机动军事目标视频图像数据较难获得,导致缺少训练数据,从而限制了基于深度学习的目标检测和识别算法的性能.为了解决这一问题,提出一种基于深度卷积生成对抗网络(deep convolutional generative adversarial networks,DCGAN)改进算法,采用随机向量作为输入,...