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。     

基于雾计算的路网-野区路径规划研究

针对路网、野区联合路径规划需求,提出了在雾计算平台上的路网-野区无缝衔接的路径规划方法,适用于路径规划区域同时覆盖城市道路与野区的情况.综合雾计算的特点,分析了路网-野区路径规划服务的应用方式.提出了适用于路网-野区环境下的启发函数,提供路径最短、时间最短两种模式的路径寻优算法.仿真和试验结果表明所提供的基于雾计算的路网-野区路径规划方法的可行性,能够满足路网-野区的路径规划需求.     

面向战场需求 谋求“两个提高”

人民武装动员必须围绕战争形态进行.不同的战争形态对人民武装动员的要求各异.现代战争形态是高技术局部战争,适应新的战争形态科技含量高、作战进展快等特点开展人民武装动员建设,必须围绕"两个提高"下功夫.     

基于HMM的机动目标识别

利用弹载高重频脉冲多普勒体制雷达所能获得的目标运动特征(加速度、加速度的变化率),将目标的机动性能与隐Markov模型(HMM)有机地相结合,提出了一种基于隐Markov模型(HMM)的动目标跟踪识别方案,并分析了其在不同条件下的有限识别能力。     

战场电磁环境可视化研究

对电磁空间的信息争夺是敌我双方争夺"信息优势"的主要战场。战场电磁环境的透明化及其作战研究是一个急需解决的问题。从作战指挥需要出发,提出了战场电磁环境可视化系统的设计原则及应满足的具体要求,列举了实现电磁环境可视化的几个基本要素,最后,对电磁环境可视化的技术实现做了详细介绍。     

在提高精确作战能力中不断积累打赢胜算

陆军部队当前最紧要、最重要的任务就是转型,而转犁最直接、最根本目的在于更好适应未来战场的需要。在与此相关的一系列需要中,首要一条是“精确”。战场最讲精确,“失之毫厘,差之千里”,精确是转瞬即逝的战机,是影响战局的须臾,是积少成多的胜算。     

基于反向验证的RSC码编码参数盲识别

针对Turbo码编码中应用的RSC编码器盲识别问题,提出一种反向验证的方法,对其参数进行识别分析。通过对RSC编码器参数进行遍历估计,重新输入码字序列,将得到的码字序列与原来的输出序列进行对比,找出最优的参数组合,完成对RSC编码参数的识别。仿真实验表明,该方法能够有效完成对RSC编码器的参数识别,特别在误码率为0.3时,依然能够达到识别效果,具有较好的容错性能。     

基于语义发布订阅系统的战场态势实时分发技术

随着战争形态的多样化和范围的越来越广,战场态势呈现信息量大、复杂性、无规则性、多变性。针对现有的发布/订阅系统不能支持复杂结构的态势来进行事件发布和订阅的语义匹配,提出了基于语义发布订阅系统的战场态势实时分发技术。采用本体描述战场态势的概念模型,采用RDF图表示需求方订阅条件,基于该战场态势本体设计高效的发布订阅匹配算法。实验结果表明,该技术能够支持复杂战场态势实时分发和具有较高的订阅匹配效率。     

面向战术环境的语音指挥技术研究

与数据指挥相比,语音指挥在战术环境中优势明显。但因战术条件下地理环境复杂、电磁环境恶劣、通信信道速率低等原因影响了其指挥效能的发挥。通过对语音指挥现状分析,提出面向战术环境特别是窄信道条件下语音指挥的总体设想,并给出提升战术环境下语音指挥能力的关键技术及解决措施。最后通过试验验证了技术可行性。