对路径选择在武警部队运输保障中应用的探讨

武警部队运输保障过程中的路径选择是一个优化决策问题。部队运输车辆传统上所选择的路线是完全根据习惯确定的,缺乏科学的优化。这在缺乏信息的过去是可以理解的,然而在现代信息高速发展的社会是不合理的。因此,研究信息条件下的车辆路径对部队提高运输保障能力很有必要。     

建构以人文关怀为主线的语文教学是现代理性的选择

语文教学必然要涉及到语文课的本质与属性,看来似乎是个人人皆知的问题,但真正上升至理论层面来阐释,却又是难下定义的.尤其是面对职业教育基础课的语文教学而言,不是语文课本质属性是什么,而是我们面对着职校学生这样的群体最需要语文课的何种本质与属性来解决教育中的矛盾,实现教育目标.有人说语文的本质是言语性,还有说工具性、知识性、基础性、综合性、实践性、人文性等等,也许这是解构主义多元共生的观点.但是面对着语文课这么庞杂的内涵,又面对职校学生这样一个庞大特殊群体.职业教育的语文教学为实现教学大纲中所提出的培养高素质的劳动者为目的,建构以人文关怀为主线的语文教学,应该说是现代教育的理性选择.     

飞行器突防航路规划与目标选择研究

复杂环境下的中低空飞行器航路规划和目标选择问题近年来受到了越来越多的关注.根据地面威胁分布情况,将飞行空域进行网格化处理,划设常规空域与威胁空域,并基于空间搜索算法规划中低空飞行器的飞行航路.为分析地面威胁目标在飞行器突防过程中的重要程度,通过节点移除法求解不同目标破击后带来的飞行代价变化.将飞行器突防过程中的航路规划与目标选择有机结合,为任务驱动的关键目标选择排序研究提供了有价值的参考.     

中文分词与命名实体识别的联合学习

将卷积结构引入循环神经网络,从而构建卷积循环神经网络。以此为基础,研究构建了面向中文分词与实体识别联合学习的序列标注模型。该模型依托卷积循环神经网络构建特征编码层,实现中文字序列局部空间特征和长距离时序依赖特征的联合提取;依托改进的循环神经网络构建标签解码层,实现标签序列长距离时序依赖的有效建模;依托统一的分词与实体识别序列标注模式实现分词信息与实体信息的联合学习,避免传统流水线法的误差传播问题。在人民日报语料和微软标注语料上的实验结果显示,该框架较传统统计模型和神经网络模型有显著的性能提升,尤其是在识别字数较多的命名实体时,其效果明显优于其他方法。     

改善机载前向阵雷达全程检测性能的研究

针对前向阵的杂波分布特性 ,给出了一种空时自适应处理 (STAP)结合多重中脉冲重复频率(MPRF)的处理方案 ,研究了重复频率的选择以改进系统性能 ,并分析计算了三路多普勒通道联合处理STAP方法在一组中脉冲重复频率下的改善因子和距离 /速度二维盲区分布图。理论分析与仿真结果表明 ,该方案可以大大改善机载前向阵雷达的全程检测性能     

菜地园田化重在规划

菜地园田化,可使菜地更加规范,便于劳作,便于管理。但菜地园田化只是搞好种植工作的一种手段,不是目的,因而要提倡官兵自己动手修建,尽量减少经费上的投入,尤其要防止为好看,超出中队经济实力盲目投资,修高规格的田坎、堡坎,搞样板田。菜地园田化,重点在规划。     

基于粒子群算法的武器装备供应链伙伴选择研究

合作伙伴选择是构建供应链的关键所在,武器装备供应链的构建要满足其战略全局最优、平时战时兼容、效益效率兼备的特殊要求。建立了一种基于离散粒子群算法的武器装备供应链伙伴选择方法。该方法克服了普通商品供应链对全局利益考虑不足的问题,实现了在不同战略时期、不同约束条件和不同成本考虑等情况下的供应链伙伴选择。实例仿真验证了该方法的实用性和有效性。     

浅谈T（S）函数在准静态热力学过程中的应用

本文简要分析了T(S)函数在准静态热力学过程中的应用,给出了确定过程中最高(低)温度及吸(放)热转换点的方法。对利用T(S)函数计算热循环效率进行了初步的探讨。     

基于任务器材保障的虚拟仓库DC成员筛选

军事虚拟仓库作为未来基于任务器材保障的主要模式,必须对其加盟成员进行严格、科学的选择。对拟加入的地方配送中心(DC)核心能力进行判别,结合任务成功性、保障安全性、成员互斥性及运输准确性,以最小化总成本为目标,建立虚拟仓库对地方配送中心的筛选模型,采用SOFM及量子遗传算法进行求解,最后,通过算例分析验证了该模型的可靠性。     

基于BI-GRU-CRF模型的中文分词法

循环神经网络作为一种处理时序数据的有效模型,已在序列标注问题上得到了广泛应用。为解决序列标注中典型的中文分词任务,基于门限循环单元(Gated Recurrent Unit,GRU)神经网络,提出了一种改进的双向门限循环单元条件随机场(BI-GRU-CRF)模型,该模型不仅可以通过双向门限循环单元有效利用双向上下文信息,而且可以通过条件随机场层联合考虑相邻标签间的相关性,得到全局最优的标记序列结果。在常用的中文分词测评集(PKU、MSRA)以及由构建的军事领域分词语料上,分别采用四词位及六词位标注法进行了实验,结果表明BI-GRU-CRF模型具有良好的分词性能,且六词位标注法可以改进分词效果。