战场态势感知系统评价方法?

战场态势感知系统主要由传感器系统、通信系统以及其他分系统构成,是现代战争系统的基础组成部分。由于战场态势感知活动广泛作用于物理域、信息域和认知域,相关评价研究面临诸多困难和挑战。在介绍战场态势感知系统相关概念的基础上,重点对其评价方法的研究现状进行了综述,并对不同评价方法的特点进行了分析比较,最后,指出了战场态势感知系统评价方法有待进一步研究和解决的问题。     

飞机运动态势对航空深弹入水点散布影响分析

航空自导深弹具有结构简单、可靠性高、不受水文条件限制等特点,而且还具有自导捕获和跟踪目标能力,对于提高航空兵部队反潜能力具有重要作用。反潜机投放高度、投放速度等运动态势关系到使用航空自导深弹对目标实施准确打击。针对航空自导鱼雷攻潜实际过程,建立其入水点的散布误差模型和空中弹道模型,并仿真分析反潜机投弹高度、投弹速度对航空自导深弹入水点的影响。     

深入挖掘民营企业内部潜力加快参与军民融合发展步伐

"四个全面"战略布局下,随着军民融合正式上升为国家战略、后续政策的陆续出台和相关法律体系的加速推进,民营企业参与军民融合正在驶入"快车道",只有把握历史机遇,发挥竞争优势,不断创新突破,才能在全要素、多领域、高效益的军民深度融合格局中有所作为.     

论科技动员军民融合深度发展的契合点

军民融合发展战略上升为国家战略后,为新形势下科技动员军民融合深度发展指明了方向,提出了更高的要求。以科技动员发展的内在规律为切入点,从机制、政策、技术、法律和规范五个方面研究了科技动员军民融合深度发展的契合点,促进新形势下扎实推进科技动员全面建设。     

压缩感知稀疏重构对星图的影响

稀疏重构是压缩感知理论的核心内容之一,为了将稀疏重构有效地应用于星敏感器的压缩成像过程中,从星图图像误差和星点特征误差两个方面分析稀疏重构对星图的影响。在图像误差方面,利用峰值信噪比评价指标考察星图在不同重构算法、不同压缩比下的重构质量;在特征误差方面,从理论上分析稀疏重构对星点特征的影响机理,提出星点特征重构误差的评价指标,考察星点的质心、亮度和数量特征的重构误差。结果表明,在所选算法各压缩比下,星图相比一般图像能够获得更高的重构质量,重构星点能够在很大程度上保持可用于姿态确定的特征信息,结论保证了利用重构星图进行姿态计算的正确性,进一步验证了压缩感知理论在星敏感器中应用的可行性,为实现星敏感器的压缩成像提供了现实依据。     

实兵演习战场态势研究

实兵演习战场态势是指挥员通过实战化训练提升获取战场情况、指挥部队行动能力的重要支撑和手段。首先针对当前实兵演习战场态势存在的数据结构、传输机制、系统架构和聚合显示等重点难点问题进行了详细地阐述和分析,然后在此基础上提出了态势数据结构的层次化设计、按需公布订购的数据传输机制、态势框架的柔性化设计和基于作战能力的态势聚合机制等相关的解决方法。以期能够建立一个支持大规模、分布式联合应用,并且可以显示综合战场态势和专用战场态势的战场态势系统。     

基于分形滤波的能量检测方法

能量检测是认知无线电频谱感知的有效方法,但在低信噪比情况下检测概率明显下降。提出了基于分形滤波的频谱感知能量检测方法。基于分形滤波可以有效抑制噪声的特点,该方法先对接收信号进行分形滤波,以其能量值作为检测统计量,进行能量检测。仿真结果表明,通过基于分形滤波的能量检测和直接进行能量检测方法对比,滤波后信噪比在下降7 d B时仍然满足90%以上的检测概率。此外,该方法对不同调制信号均具有较好的适用性,在噪声不确定情况下仍然具有较高的检测概率。     

推进军民融合深度发展的几点思考

学习掌握并运用新的发展理念,应采取创新思路举措,在规划设计、体制机制和政策制度建设等方面积极探索实践,有效破解军民融合深度发展面临的各种矛盾问题,推进军民融合深度发展.     

基于深度学习的战场态势评估综述与研究展望

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.     

辅助任务增强的中文跨域NL2SQL算法

自然语言到结构化查询语言(natural language to structured query language,NL2SQL)任务旨在将自然语言询问转化为数据库可执行的结构化查询语言(structured query language,SQL) 语句。本文提出了一种辅助任务增强的中文跨域 NL2SQL 算法,其核心思想是通过在解码阶段添加辅助任务以结合原始模型来进行多任务训练,提升模型的准确率。辅助任务的设计是通过将数据库模式建模成图,预测自然语言询问与数据库模式图中的节点的依赖关系,显式地建模自然语言询问和数据库模式之间的依赖关系。针对特定的自然语言询问,通过辅助任务的提升,模型能够更好地识别数据库模式中哪些表/列对预测目标 SQL 更有效。在中文 NL2SQL 数据集 DuSQL 上的实验结果表明,添加辅助任务后的算法相对于原始模型取得了更好的效果,能够更好地处理跨域 NL2SQL 任务。