含有约束数目顺序旁路站的环网

用以前的图论技术与代数技术相结合的一种新技术来获得环形拓扑网络的闭合形式终端对可靠性表达式。双向反旋转环网使用自愈合和站旁路开关,其中的所有部件(站、链路和旁路开关)都可能出故障,对这样的环网导出闭合形式终端对可靠性表达式,以此来说明这种技术的可应用性。由于光功率损失约束引起的网络配置限制,这些表达式明显地扩展了环网可靠性在以前工作的效用。光功率损失约束限制了以FDDI环或同步光纤网络(SONET)环为代表的光纤拓扑网络中顺序旁路站故障的数目。组合的图论和代数技术允许利用n中选K:F系统可靠性的已知结果,以导出闭合形式的终端对可靠性表达式。 其结果是形成网络可靠性分析的新方法,并明显地把已知理论扩展到以前不分析的新情况。特别是,这里开发的组合的图论和代数分析工具允许环网设计者分析环网结构的可靠性,以前认为这样的环网结构太困难而不能用闭合形式表达式来分析,只能求助于通过仿真的可靠性近似。我们在推导双反向旋转环网中终端对可靠性的闭合形式表达式中使用这种新技术。这种新技术也可用来有效的获得更复杂的环网结构中的闭合形式表达式。     

高性能数据分发服务AppDDS

正高性能数据分发服务AppDDS(Appsoft Data Distribution Service),是北京神州普惠科技股份有限公司推出的分布式实时应用网络通信中间件。其基于对象管理组织(OMG)发布的DDS标准,经过多年研发和充分论证而成。AppDDS可以方便用户快速开发及优化各种分布式实时应用,拥有高可靠性和可替代进口产品的特点,具备高带宽、强实时、低抖动、跨平台等诸多优异性能,包含底层通信协议、上层应用开发建模工具、网络分析工具、性能测试工具等一系列工具集。神州普惠公司对AppDDS拥有完全自主知识产权,并建有强大的研发和技术服务专业团队,目前已在航空、航天、电子、船舶、兵器等行业内服务众多用户,反响良好。     

神经网络和DEA方法的炮兵火力毁伤先验评估模型

提出运用BP神经网络理论和数据包络分析(DEA)方法,对炮兵火力毁伤先验评估问题进行研究。利用以往经验数据建立样本集,通过BP神经网络预测模型,对待评估的炮兵火力毁伤计划进行分析,预测其毁伤效益,再建立带有偏好锥结构的DEA评估模型,分析火力计划的可行性和合理性;最后以某部17组炮兵火力毁伤数据进行实例分析。结果表明,该模型能给出科学、明确、可靠的先验评估结果。     

多传感器的极大似然配准算法研究

数据配准是多传感器数据融合的先期处理过程。在研究了传统的最小二乘算法的基础上 ,提出了基于三维坐标系中的极大似然配准算法 ,解决了最小二乘配准算法对于传感器相距较远时无法解决的问题。最后通过计算机仿真验证了算法的有效性。     

基于多侦察资源的电子侦察作战效能评估模型

现代战争战场环境越来越复杂,准确发现目标的难度越来越大,靠单侦察设备独立完成侦察任务已难以满足作战需要。通过建立多侦察资源的电子对抗侦察效能评估模型,对来自同一作战平台的不同侦察设备和来自不同平台的侦察设备的数据进行融合,最大限度地发挥各侦察设备的作战效能,为决策者提供作战使用依据。     

被动多传感器阵列中复合观测数据的数据关联

被动多传感器阵列是现代化战争中对雷达等主动传感器的重要补充手段。针对被动多传感器阵列的观测数据特点,提出了一种基于复合观测数据的量测与航迹的关联方法。该方法根据被动传感器对目标的位置量测数据以及运动属性的描述信息,利用模糊积分的方法对观测数据与备选航迹进行关联度量,以实现量测数据与航迹的关联。试验表明该方法是切实可行的,可以有效地进行量测与航迹的关联。     

2022年深度学习技术主要发展动向分析

深度学习正逐渐成为新一代人工智能最核心的技术之一。对2022年深度学习热门领域的主要发展动向进行了综合评述。首先,介绍小数据小样本深度学习研究领域的最新进展;其次,探讨量子计算与深度学习的融合路径;然后,概述强化学习对通用智能的推动作用;最后,盘点深度学习在多模态学习方向的进展。综述表明,面向小数据、小样本的深度学习技术正在引领深度学习向自监督方向不断迈进,深度学习与其他先进计算范式（例如量子计算等）深入融合趋势愈发明显,强化学习在一定程度上具备解决复杂问题的通用智能,多模态深度学习技术已迎来关键性突破。     

基于模糊数学的火险探测系统设计

针对火灾探测的特点和误报、漏报等问题,提出基于模糊逻辑论的数据融合算法,以提高火灾探测的准确性。运用单片机技术,设计了火灾探测系统的软硬件构成,并通过dsPIC与上位机的串行通信,实现了火情的距离监测。