火控系统模拟训练器的设计

提出了一种利用现代高新技术的火控系统模拟训练器设计的思路,并指出了具体模块的实现方法。整个设计方案强调训练的“逼真”,分别从硬件和软件两个角度进行了较为详细的介绍。     

人工智能赋能军事训练

随着大数据、物联网和5G的不断发展,海量数据的获取变得越来越容易,人工智能技术利用GPU的强大计算能力和深度学习网络对高维数据和非线性模型的拟合能力,迎来了飞跃式发展,深刻改变着人类生产、生活和学习方式,出现了语音识别、机器翻译、无人驾驶及智能机器人等场景,计算、数据与模型的不断发展也成为推动人工智能前进的主要动力。本文分析了人工智能技术的主要发展方向,包括自然语言处理、语音识别和图像识别分析等,结合当前人工智能的主要技术方向和典型应用,展望了人工智能在军事训练领域的广阔应用前景,同时,聚焦发展智能化军事训练亟需解决的关键问题,针对解决网络、数据、模型等面临的问题提出措施建议,指出应通过模拟仿真训练提高训练效率,基于训练数据科学评价训练效果。     

面向任务的装备器材需求预测

针对当前面向任务的装备器材需求受任务影响大,需求规律难以掌握的现状,分析任务对装备器材消耗数量的影响因素,在传统仅考虑时间的可靠性模型基础上,建立任务影响下不同类型装备器材的需求预测模型,并采用生存分析法对模型进行求解,以威布尔型器材为例,通过算例对模型及方法进行分析,验证了其合理性.     

基于改进FPA和SVM的装备器材需求预测

精确预测已成为制约器材筹措决策的重难点问题.对此,在对国内外研究分析基础上,提出适用于复杂装备保障的消耗性器材需求预测方法.针对器材消耗规律,构建基于支持向量机的器材需求预测模型,并提出模型约束优化指标;针对器材需求预测约束优化的不确定性,将佳点集种群初始化、Deb可行性比较法、着约束法融入花朵授粉算法,设计面向SVM模型优化的花朵授粉求解算法;以某建制单位器材供应为例,验证方法的可行性和优越性.