全文获取类型
收费全文 | 261篇 |
免费 | 19篇 |
国内免费 | 61篇 |
出版年
2024年 | 4篇 |
2023年 | 11篇 |
2022年 | 3篇 |
2021年 | 17篇 |
2020年 | 22篇 |
2019年 | 11篇 |
2018年 | 4篇 |
2017年 | 12篇 |
2016年 | 15篇 |
2015年 | 8篇 |
2014年 | 14篇 |
2013年 | 19篇 |
2012年 | 14篇 |
2011年 | 15篇 |
2010年 | 32篇 |
2009年 | 20篇 |
2008年 | 13篇 |
2007年 | 14篇 |
2006年 | 17篇 |
2005年 | 22篇 |
2004年 | 8篇 |
2003年 | 7篇 |
2002年 | 10篇 |
2001年 | 7篇 |
2000年 | 6篇 |
1999年 | 8篇 |
1998年 | 3篇 |
1997年 | 2篇 |
1994年 | 1篇 |
1992年 | 2篇 |
排序方式: 共有341条查询结果,搜索用时 15 毫秒
241.
实现战场态势共享是数字化战场的基本要求,本文简述了数字化战场态势共享的基本内涵,分析了态势共享的主要内容和信息流程,提出了态势共享的权限、方式,以及态势共享系统的基本用户功能。 相似文献
242.
美国海军用基于知识的实时系统进行态势评估 总被引:1,自引:0,他引:1
本文分析了海上态势和威胁评估过程,使用一种被称之为MUSE的基于知识的实时系统提供了某种态势评估子函数执行的数字的结果。文中首先简单介绍了MUSE系统,介绍了MUSE仿真器,这种仿真器如远程雷达,中程雷达,火控雷达和电子支援措施(ESM),敌我识别(IFF)以及数据链传感器产生实时空中航迹。提供了一幅海上态势和威胁评估的功能图,同时提供了这两个过程的最重要的子功能。论述了这些子功能在防空驱逐舰的操纵室里的任务以及如何使用MUSE基于知识的系统来为这些子功能进行电脑建模。论述了统计实验。在统计实验中,用仿真器在SUN SPARC10工作站上产生了三百秒的实时空中航迹数据,通过以太网传送到在SUN SPARC5工作站上运行的MUSE基于知识的态势评估系统。文中也对这个基于知识的系统所产生结果进行了评价。 相似文献
243.
针对战场态势不确定、复杂繁多导致研判过程风险预测准确性差的问题,提出构建态势-风险模型并构造风险可能性分布以实现对风险的精准预测。首先,从敌情、我情以及战场环境态势研判内容入手建立风险预测指标体系;其次,剖析态势信息对风险的作用方式,构建指数、Z型、正切等风险模型并计算风险取值区间;然后,以可能性理论中模糊函数构造法为基础,以权重差和不确定性测度为依托,在风险取值区间内构造风险可能性分布;最后,采用某防御任务实例,结合专家系统及云模型方法进行实验,验证了所提方法的可行性和合理性。结果表明,在风险预测时所提方法能够充分考虑态势信息的不确定性,为后续筹划决策制定提供了重要依据。 相似文献
244.
245.
246.
为提高无人作战飞机(UCAV)自主决策效能,提出基于逆强化学习的空战态势评估函数优化方法。以现有的正例与反例两类空战数据为样本训练一个RBF网络,采用逆强化学习得到不同态势下的态势值,实现了对现有空战数据的知识提取;利用Sigmoid函数的压缩作用,降低了整体态势值,加快了UCAV学习的收敛速度;采用自适应粒子群算法求解优化了态势评估函数中的权重参数,提升了对复杂空战态势的适应能力;仿真结果表明该方法能够优化态势评估函数,提高机动决策的收敛速度,在UCAV自主决策中具有一定现实意义。 相似文献
247.
针对传统态势评估方法确定权值的主观性强、处理大数据能力弱、特征提取能力不足等问题,提出基于改进变分自编码器和聚类算法的无监督空战态势评估方法。根据态势变化连续性特点,提出基于时间段的空战态势分类方法,将敌我双方态势划分为四类。在变分自编码器的基础上,提出了VAE-WRBM-MDN特征提取模型,即使用混合密度网络优化变分自编码器的特征提取能力和生成数据的相似度,使用权值不确定限制玻尔兹曼机优化网络的初始权值。将提取的特征分别输入到两种典型的聚类算法中进行聚类,并结合态势函数和实际战场情况修正聚类结果,形成正确的态势分类标准。在实验部分,分别进行了最优参数调整、关键特征提取、聚类以及修正实验。实验结果表明,模型态势分类正确率和运行时间均满足应用需求,实例评估结果与客观态势一致性强,所提方法具有实际应用价值。 相似文献
248.
适用于大数据复杂系统的人工智能研究水平,已成为制约战场态势评估技术发展的瓶颈问题.2006年提出的人工智能新研究领域——深度学习,具备多层感知的深度网络模型,体现出非线性表达、多层学习、自主提取等优势,为研究大数据战场态势评估问题提供了技术支持.美军将机器学习作为重点发展的基础研究和应用开发领域,自2007年以来启动多个项目;我军应用与研究领域中,深度学习也得到重视并取得一些有益探索.展望未来,可从空间、时间角度研究大数据战场态势特征,并基于此构建基于深度学习的战场态势评估模型. 相似文献
249.
250.