融合锚节点和三元关系向量的军事知识图谱表示学习

知识图谱是一种用于表示和推理知识的图结构,对于军事领域的决策支持和智能化应用具有重要意义。现有的军事知识图谱多面临着大量三元组缺失的问题,对辅助决策任务造成极大的影响。为此,提出一种融合锚节点和三元关系向量的军事知识图谱表示学习模型。通过NodePiece构建固定大小的锚节点词汇表,以实现对任何实体的引导性编码和嵌入;利用TripleRE综合关系向量的投影与平移特征表示,实现对实体间语义相似度和关系强度的深层捕捉。实验结果表明,该方法在军事知识图谱单跳推理任务上取得了优异的性能,证明其有效性和可行性。     

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。     

自旋载体中的超紧组合GNSS接收机跟踪环路设计

自旋载体是全球导航卫星系统接收机的一种典型应用。当全球导航卫星系统载体自旋时,旋转产生的高阶动态将导致传统跟踪环路失锁;全球导航卫星系统与惯性导航系统组合可以有效补偿信号的高阶动态。因此,提出了一种利用惯性导航信息辅助卫星导航信号跟踪的超紧组合导航接收机环路设计方法,并分析了惯性导航信息辅助速率、自旋载体转速和信号载波相位误差之间的关系。通过仿真验证了所提接收机环路结构可以有效解决自旋载体接收机的信号跟踪问题,且相比于卫星导航单系统三阶环路而言,所提超紧组合环路结构可以显著提升自旋载体接收机的定位精度。     

防空导弹指挥控制系统火力单元动态调整方法

多火力单元责任扇区的动态调整是防空导弹指挥控制系统的核心功能之一,通过引入可打击目标数和覆盖目标数的概念及计算方法,提出了一种新的多火力单元责任扇区调整方法。该方法能快速有效地确定多火力单元责任扇区调整方案。     

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。     

非椭圆扩展目标联合跟踪与分类算法

充分利用目标尺寸和形状信息,提出了一种基于星凸随机超曲面模型(random hypersurface model, RHM)的非椭圆扩展目标联合跟踪与分类(joint tracking and classification, JTC)算法。将目标空间扩展状态建模为星凸形状,通过目标类别相关先验信息的矢量化建模,建立起其与目标瞬时扩展状态的关系,并在统一的贝叶斯滤波框架下,实现跟踪与分类的一体化处理;进一步对目标运动学状态和扩展状态单独进行建模,并通过构建扩展状态的似然函数,利用粒子滤波实现目标类别概率算式的递推处理。仿真结果表明:与基于椭圆形状的扩展目标JTC算法相比,所提算法能对尺寸相近、形状不同的目标进行准确分类,同时可改善目标状态的估计效果;与基于星凸RHM的扩展目标跟踪算法相比,所提算法能大幅提高目标状态的估计性能。     

基于超分辨率超声图像的缺陷量化方法

以相位相干多信号分类(phase-coherent multiple signal classification, PC-MUSIC)方法为例,研究基于超分辨率超声图像的缺陷量化方法。利用全矩阵采集方法从被测对象获取超声阵列数据,对数据进行时域预处理,提取缺陷散射信号;利用PC-MUSIC方法处理缺陷散射信号,获取超分辨率超声图像;分析超声图像特征,提取横向强度曲线,定义-6 dB主瓣宽度作为缺陷的评估长度。搭建实验系统,选择铝试块作为被测对象,在其内部加工1个长度为10 mm的刻槽作为缺陷。实验结果表明,在信号子空间维度选择合适的情况下,PC-MUSIC方法能够准确评估缺陷长度,误差在10%以内。