遏制腐败应“以防为主”

遏 制腐败应着眼于反还是着眼于防 ,是当前反腐倡廉工作中一个值得关注和亟待解决的重大问题。防腐败与反腐败具有差异性。一般来说 ,防腐败是反腐败的应有之义 ,包含在反腐败的大范畴中。两者的共同之处虽以减少和消除腐败为目的 ,但其差异是显见的。一是发生的时间、顺序不同。反腐败主要发生在腐败行为或现象之后 ,防腐败则主要发生在腐败行为或现象之前。二是运作的主体范围不同。反腐败主要由纪检、检察、监察等专门机构进行。防腐败则由各部门乃至全社会共同进行。三是渠道途径不同。反腐败主要通过破案纠风惩治进行 ;防腐败则是多管…     

“敢”与“不敢”断想

大 凡人生在世 ,总会有所“敢” ,有所“不敢”。所谓“敢” ,应该是敢作敢为 ,毫无畏惧 ,不怕歪风邪气 ,不怕恶权凶势 ,不怕艰难困苦 ,不怕流血牺牲 ;所谓“不敢” ,应该是谨慎为人 ,小心处事 ,惟恐破坏规矩 ,惟恐触犯法纪 ,惟恐良心谴责 ,惟恐群众唾弃。这样的“敢”与“不敢” ,为一切正直的人们所身体力行。古往今来 ,无数仁人志士在“敢”与“不敢”的问题上 ,表现出了刚正不阿的凛然正气和洁身自好的高风亮节。他们在困难和邪恶面前 ,镇定自若 ,气宇轩昂 ,赴汤蹈火 ,视死如归 ;在规章和法纪面前 ,谨小慎微 ,瞻前顾后 ,循规蹈矩 ,“胆…     

深化科技练兵要把握的四个方面

“科技大练兵,一切为打赢”。领会精神,把握实质是深化科技练兵的根本;加强指导,严密组织是提高“打赢”能力的关键。一是建立健全机制,强化领导。各级党委要围绕深化科技练兵这个中心．明确责任,研究对策,把上级的精神和要求与本单位的实际紧密联系起来,找准结合点,制定切实有效的措施;要抓好落实科技练兵的“主官工程”,切实加强科技练兵活动的领导,保证科技练兵活动上台阶、出成果。     

一种船舶历史活动热力图实时生成策略

在船舶信息大数据系统中,针对在客户端向服务器请求大批量历史数据并实时绘制热力图时,会出现耗时较长、热力图效果失真以及地图软件漫游时跟随性差或卡顿等问题,提出一种改进的船舶历史活动热力图实时生成策略。该策略在基于像素聚类思想的热力图生成方法基础上,采用基于非线性变换的图像增强算法和像素补点方法,对传统方法绘制的热力图所存在的显示失真问题进行校正和优化,并在此基础上,提出动态加载与绘制策略和多线程实时成图策略,来生成船舶历史活动的热力图。试验表明,所提出策略在热力图绘制的效率、成图效果以及地图软件的交互体验上都得到了提升。     

基于改进EfficientNetV2算法的三相串联故障电弧检测

串联电弧故障在电气火灾中的成因中占据着重要的比例,在具有变频器的三相电机线路中,由于多种电弧电流复杂行为以及多种负载的存在,很难准确识别变频器后部线路中发生的串联电弧故障。为了解决这一问题,提出了一种改进的EfficientNetV2算法。搭建低电压三相电弧故障数据采集平台,采集了所需要的正常状态和故障状态的电流信号。为了充分利用机器视觉的优势,采用马尔可夫变迁场(MTF)将采集到的时域电流信号编码为图像。将MTF图像送入模型中进行训练和测试,该模型具有轻量级高效的通道注意力和双池化空间注意力,更加专注于电弧特征,提高网络性能。实验结果表明,该方法的准确率可达98.99%。     

基于ST-YOLOv7的无人机视角下行人及车辆识别

由于无人机视角下的背景复杂,识别的目标多为远距离小目标,因此容易导致漏检及误检问题。为了实现无人机视角下对行人及车辆高精度识别,提出了以YOLOv7网络模型为基础的ST-YOLOv7算法,主干网络中融合了Swin Transform模块,构建复杂背景与小目标的全局关系,融入SENet通道注意力机制,为不同通道的特征分配不同权重,增强小目标特征的捕捉,在头部网络中,加入了YOLOv5网络中的C3模块,增加网络的深度和感受野,提高特征提取的能力,增加了1个小目标检测层,进一步提升对小目标识别的精度。实验证明：ST-YOLOv7网络模型在自制的航拍数据集中对行人的识别精度高达83.4%,对数据集中的车辆的识别精度达到了89.3%。均优于YOLOv5和YOLOv7目标检测算法,以较小的效率损失取得了较高精度。     

基于改进YOLOv5s轻量化模型的红外场景目标检测方法研究

红外技术在防备夜间作战和隐蔽作战中发挥的作用是至关重要的,针对如何平衡红外图像检测精度与轻量化的问题,提出一种基于红外场景下的轻量化目标检测模型M-YOLOv5。该网络模型采用改进的ShuffleBlock模块替换原有的CSP骨干网络。此外,应用轻量级上采样算子CARAFE替换原有上采样模块,在C3模块中加入SE注意力机制,降低冗余信息,提高特征的区分性和表征能力,重新设计损失函数,E-IoU作为新的损失函数,加快模型收敛速度。在公开数据集FLIR上进行了实验,实验结果表明：改进之后网络模型的平均检测精度达到73.0%,仅降低2.9个百分点,而M-YOLOv5模型的网络参数数量、理论计算量分别减少40%、39%,模型的推理速度提高52%,满足部署于边缘设备的需求。     

基于生成对抗网络的多智能体对抗仿真建模方法

多智能体对抗仿真建模技术在军事上具有重要作用,其中强化学习深度增强网络(DQN)是重要的建模技术.随着体系对抗建模中环境输入信息及智能体数量的增加,DQN的复杂性不断增长,而单纯采用强化学习技术只能通过极度稀疏的对抗胜负结果提供反馈进行训练,模型训练的收敛速度是一个难题.探讨在多智能体对抗建模中采用基于生成对抗网络(G...     

对信息化人才队伍建设的调查与思考

信息化人才队伍建设是一项战略工程。新形势下信息人才培养,要更新观念,拓展途径,完善机制,为加快推进战斗力生成模式转变提供人才支撑和智力支持。     

基于改进QGA的有/无人机编队多任务联盟生成

针对有/无人机编队作战中多约束复杂任务分配问题,提出一种改进QGA(Quantum Genetic Algorithm,QGA)的多任务联盟求解方法。首先确定任务需求、时间、平台能力等多种约束,综合考虑联盟总任务收益、耗费成本与任务时间因素,构造目标函数,建立了多任务联盟生成优化问题模型;从多分组并行演化、观测值修正、动态旋转角调整3方面对QGA算法进行改进用于问题求解;并结合实际案例进行了仿真分析,结果表明,提出的方法可以有效生成多任务联盟,解决有/无人机编队多约束复杂任务分配问题,解质量较高。