通州区积极推动民兵应急力量跨越式发展

北京通州区人武部按照上级指示和本区域队伍建设特点,积极推进民兵应急力量跨越式发展。他们在民兵建设中,着眼使命任务,紧密结合需求,在力量布局结构、民兵整组编兵、应急训练落实、经费器材保障等方面勇于创新,详细制定遂行多样化任务的行动预案方案,围绕战法运用、行动协调、立体投送、多维展开、伴随保障等项目,组织实案化演练演习。在上级多次组织的重大行动中指挥果断、行动迅速、组织得力、完成任务     

抓在手中 建在身边 用在关键 西城区人武部加强民兵应急分队建设

北京市西城区是首都核心功能区,被誉为"首善之区"。特殊的地理位置要求高度安全稳定。该区人武部把应急维稳工作放在民兵工作首位,对民兵应急分队的思想建设、党管武装、营连部设置、装备器材管理等各     

模拟训练系统中CGF的号手操作技能建模

针对模拟训练系统对CGF真实性的要求,从号手的操作技能入手,建立可以反映真实训练水平的号手操作技能模型。在分析操作技能相关原理和规律的基础上,采用时间序列分析的方法对其进行预测。采用了指数平滑预测模型,详细分析了其原理,并针对其在实际应用中的缺陷进行了改进。最后,通过两个实际案例验证了模型的可用性和可信性。所建模型反映了号手的操作技能,为模拟训练系统中CGF的真实性研究提供新的思路和方法。     

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.     

基于历史数据挖掘的战场气象环境数据模糊预测算法

现代模拟仿真训练过程中,对于虚拟战场气象环境的仿真,大多采用重现训练场地某一段历史战场气象环境数据的方法.而战场气象环境预测大多为通过数据挖掘技术预测未来短期的气象数据,缺乏长远的预测方法.针对上述缺点,对战场气象环境历史数据进行处理,给出了一种基于历史数据挖掘的未来战场气象环境数据模糊预测的算法.