成功实施“由舰到目标机动”的关键

两栖作战部队将是美军应付未来全球危机的重要力量：“由舰到目标机动”和“由海向陆作战机动”,把理论和速度、机动性、火力支援、通信及导航等领域的技术进步有机地结合了起来,是美海军关于未来近海两栖作战的革命性概念,海面将作为根据作战时间和地点对指挥官的要求,进行远距离“超地平线”投送作战力量的机动空间从根本上说,这是美军技术优势的产物,其实质是利用先进的信息技术和精确制导武器．快速发现、识别并利用对方的弱点。     

综合系统多重递阶控制设计方法研究(一)空-空航炮的机身指向火控解算方法

为了满足综合系统多重递阶控制设计方法的需求,建立了空-空航炮的机身指向火控解算方法.该方法是在期望弹丸命中目标的情况下求解机身期望指向及其变化率.在某验证机的控制增稳系统上,采用所建立的火控解算方法以及综合系统多重递阶控制设计方法,设计了综合飞行/火力控制系统.仿真结果表明,所建立的空-空航炮机身指向火控解算方法较好地满足了综合飞行/火力控制系统的设计需求,获得了良好的综合控制系统动态性能.     

艰苦奋斗重在奋斗

某部在一次调查中发现 ,很多官兵对艰苦奋斗的认识存在偏差。一提起艰苦奋斗 ,就认为是过艰苦的生活 ,做“苦行僧” ,甚至于故意找“苦头”吃。而在工作方面 ,却没有理解艰苦奋斗的精神实质 ,自甘平庸 ,无所建树 ,缺少奋发图强的精神。这是对艰苦奋斗的一种错误理解。艰苦奋斗包含着意蕴深邃的丰富内容。它是鼓舞中华民族不畏艰难、顽强拼搏、自强不息的精神力量 ,仅仅“艰苦”绝不是艰苦奋斗。当然 ,艰苦奋斗也包括艰苦朴素。不管什么时候 ,广大官兵都要保持和发扬艰苦朴素的作风。但是 ,随着我国经济建设的不断发展和综合国力的逐步提高 ,…     

为何教而不服？

观念陈旧 ,岂能使人信服某部一名政治指导员在一次熄灯前检查战士宿舍时 ,发现好几个战士在看家庭生活、言情小说、现代新潮等类书刊 ,便将战士们所看的书刊统统收走 ,并说 :“这些书里有些内容战士不宜看。作为战士 ,就应当好好学习自己的专业知识和政治理论。”随即宿舍内爆发了一场就“这些书能不能看”的争论。结果 ,指导员还是将战士的书刊拿走了。可是宿舍几名战士仍然议论纷纷 ,没有一个人信服指导员的观点。说服教育方法的基本特点就是以理服人。如果我们教育人的人说理不透彻 ,观念陈旧 ,观点片面 ,甚至出现错误 ,被教育人根本就不…     

加强基层官兵对外交往的教育管理

信息、通信及网络技术的迅速发展 ,使基层官兵对外交往的意识和能力明显增强。总的看 ,基层官兵对外交往是正常健康的 ,没有发现明显突出的问题 ,但从发展趋势看 ,一些问题值得引起重视。一、当前基层官兵对外交往的主要特点。 (一 )对外交往的方式呈多元化倾向。基层官兵目前结识朋友的途径主要是通过同学、朋友等熟人介绍及因正常工作往来而相识。官兵与朋友交往的方式除了见面外 ,主要是借助书信、电话、传呼等手段及利用驻训、军训、购物、探亲、住院等外出机会交往 ,个别官兵入伍前有通过互联网、信息点播和杂志等征友、交友的经历。(…     

防空导弹实时优化射表计算的延拓法

文章给出防空导弹轨道实时优化射表的计算方法。首先介绍最优轨道对参数的连续依赖性和优化算法的算法模型的收敛性理论。特别对于每条最优轨道存在一个吸引区域 D* ,使得只要初始迭代轨道属于这个区域 ,由算法模型构造的轨道序列将收敛到所要的最优轨道。根据这个理论 ,设计了计算射表的延拓法。理论证明和计算实践证实由这种算法能有效地计算为实时优化提供初始迭代值的射表     

洛斯·阿拉莫斯实验室

今年5月7日,美国核武器应急搜寻队的两名雇员进入洛斯阿拉莫斯国家实验室一个守卫森严的地库执行任务,发现一块含有核机密的硬盘神秘失踪,洛斯阿拉莫斯实验室当日关闭,不久后,美联邦调查局在实验所的一台复印机后面的地板上发现了这块丢失的硬盘,使得硬盘失踪事件更加扑朔迷离。也使得洛斯阿拉莫斯实验室继华裔科学家李文和“泄密”事件之后又一次成为世人关注的焦点。洛斯阿拉莫斯实验室到底是什么样的机构,它从事着什么研究呢?     

分布式麦克风阵列的声源定位

声定位探测技术的无源被动特性,使其在定位技术研究领域内独树一帜,时延估计和定位算法是支持这一技术的核心。DUET时延估计算法简单,通过对接收到的信息分段帧移加窗处理,能够有效识别有用语音信息,时延估计精度较高,在高噪声的环境中非常适用;球面定位算法是基于时延估计提出的,对麦克风的排列形式不固定,适用于任意排布的麦克风阵列,并且在时延估计精度较高的情况下,能够很准确地对声源目标进行定位。     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。