基于认知决策的智能无人机集群作战建模方法研究

为仿真研究智能无人机实体及其集群在不同战场态势下的临机决策过程以及智能实体的自学习、自成长特性,提出一种基于认知决策的智能无人机集群作战建模方法框架。利用深度学习的认知建模属性,构建了智能无人机实体的认知决策模型,包括从“观察”到“判断”的态势特征提取网络模型,从“判断”到“决策”的实体决策网络模型。在此基础上,将智能无人机集群协同作战模型抽象为随机博弈过程,并提出一种适用于异构智能体的分布式、可变规模的多智能体强化学习神经网络架构,从而实现智能无人机实体认知决策模型的“智能”训练。通过仿真实验,验证了方法的可行性和有效性。     

深度学习视域下的教师培训课程设计

教师培训成效不佳原因在于学习停留在浅表层次,有效的教师培训应该走向深度学习。基于深度学习的内涵与深度学习路线(DELC),构建促进深度学习发生的课程设计框架:以高阶能力为目标进行前端分析,通过"深度在场、深度加工"的参与式培训方式和螺旋递进式的高阶课程开展深度学习,微观深入地解决核心问题,落实培训成果并有效转化。     

KWL+模式在初中英语拓展阅读教学中的应用研究

KWL+模式是一种可视化思维训练模式,是KWL模式的深化和补充。KWL+模式以"总-分-总"的形式进行逻辑思维建构,强调从阅读者角度对阅读材料进行深入理解,常用于英语阅读和写作教学。本文将KWL+模式与实用阅读教学案例相结合,探讨了该模式在初中英语拓展阅读教学中的应用原则,以期为初中英语阅读教学提供借鉴。     

基于双CNN的雷达信号调制类型识别方法

针对雷达工作波形复杂化、基于常规脉冲特征的雷达辐射源信号识别准确率下降的问题,提出双卷积神经网络（convolutional neural network,CNN）串联的网络结构,实现了9种常见雷达信号的分类识别。采用单个CNN结构时,可以准确识别其中4种调制类型,但是相位编码及其复合调制信号识别率低。这是由于相位编码中二进制相移键控（binary phase shift keying,BPSK）与四相相移键控（quadrature phase shift keying,QPSK）的时频特征具有相似性。本文采用双CNN串联的处理方式,其优势在于雷达信号调制参数不固定时,依然可以进行分类识别,具有较强适应性。仿真结果表明,当信噪比（signal-to-noise ratio,SNR）为0 dB时,9种调制信号的识别准确率高于95%。最后,通过仿真分析识别准确率与信噪比之间的关系,验证了该方法的可靠性.     

深化训练成果提高军训效益

加强地方院校的学生军训工作,增强广大师生的国防观念,是培养造就大批高素质后备兵员的重要举措,是落实“三个代表”重要思想、实现“打得赢”战略目标的具体体现。为达到此目的,应深化训练成果,提高军训效益,使军训与教育相结合,养成与训练相统一,学习与运用相一致,努力提高学生的综合素质。 一是突出主线,筑牢学生“不变质”的思想基础。加强思想政治建设,是学生军训工作的重中之重。在军训     

基于可靠性的卫星服务功能链保护方法

在基于SDN架构的混合卫星网络上讨论了服务功能链(Service Function Chain, SFC)的可靠性部署问题,首先对SFC可靠性保护的问题进行描述,建立了底层网络与SFC请求模型,然后建立了网络服务功能的可靠性需求模型与低轨卫星链路的可靠性需求模型,明确了优化目标与约束条件。接着提出基于可靠性的卫星服务功能链保护方法,包括基于深度强化学习的可靠性保护算法和基于低轨卫星节点与链路可靠性备份算法。实验表明,提出的基于可靠性的卫星服务功能链保护方法能在SDN架构的混合卫星网络上提高SFC请求接受率,减少平均时延,在不同的SFC可靠性需求的条件下也保持较高的请求接受率。     

基于直线扫描的引信钢球分层成像检测算法

针对现有的火药引信装配正确性检测方法中存在的无法准确检测遮挡严重的零件的问题,提出了引信中钢球分层成像定位检测算法。将X射线源直线移动扫描待测物体形成多个虚拟的小孔径,结合光学合成孔径原理对所有小孔径进行合成,将合成的虚拟大孔径成像在不同距离深度的平面上,实现对目标的定位和检测。试验结果表明：所提算法能够在火药引信钢球相互重叠的情况下利用深度信息进行分层成像,提供待测物体的深度信息,能够对不同层次的目标进行检测,确定待检测物体的数量,解决了现有的检测方法在检测过程中出现的漏检问题。     

动力固结法加固软土地基有效加固深度浅析

动力固结法加固地基的有效加固深度问题,国内外到目前为止还没有比较一致的看法。本文首先给出了有效加固深度的定义,并对软土地基有效加固深度的预估方法进行了探讨,以推动动力固结法在软土地基处理工程中的应用与发展。     

航天器轨道追逃动力学与控制问题研究综述

随着航天器交会与接近操作技术的快速发展,轨道追逃问题逐渐成为航天领域的研究热点。从动力学与控制视角,对航天器轨道追逃问题的研究现状进行综述。给出了基于定量微分对策的轨道追逃问题模型的一般形式,系统梳理了各种类型的轨道追逃问题;对于追逃策略求解,分别针对闭环策略和开环策略,分析了各种方法的优缺点;围绕人工智能算法与轨道追逃问题的结合,阐述了基于深度神经网络和强化学习的轨道追逃策略的研究现状。关于未来展望,提出了追逃博弈态势分析、多航天器博弈控制、三体条件下博弈动力学与控制等发展方向。