神经网络能力研究

文献[1]～[3]中研究了神经网络的能力—存储能力。但我们认为神经网络的能力应包括存储能力和计算能力两个方面。本文对神经网络的存储能力和计算能力进行定量分析,并得出了许多有益的结论。     

关于加强军事经济法学研究的思考

加强军事经济法学研究是依法治军的需要,是振兴和繁荣我国法学事业的要求,是军事经济活动按自身规律运行的保证。研究军事经济法学要以邓小平关于加强法制建设的思想为指导,以党和国家加强社会主义法制建设的战略方针为依据,充分结合我国军事经济立法和司法实际。构建有中国特色的军事经济法学体系,必须体现阶级性、时代性、实践性、联系性和科学系统性。     

一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

表示结构化知识的神经网络模型

研究和设计了一种高度结构化的神经网络模型ＨＳＮＮ,它能方便地对结构化知识进行表示和处理。文中给出了ＨＳＮＮ的设计过程,并讨论了ＨＳＮＮ在继承、非单调推理和信息检索等方面的应用     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

一种分析噪声背景下目标特征有效性的方法

本文根据目标特征和噪声分布,在一定假设条件下推出了最小错误率（Ｂａｙｅｓ错误率）的表达式,从而把特征分布、噪声大小直接与分类的最小错误率联系起来,给出了一种分析噪声背景下目标特征的有效性的方法。文中利用这种方法对目标和诱饵的红外辐射特征的有效性进行了分析     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

俄罗斯军事经济理论与实践研究

俄罗斯军队自1992年重组以来,为适应全面改革的新形势,一方面,通过建立军事科学院和军事经济研究中心等科研机构,广泛而深入地开展经济转轨时期军事经济工作的理论研究;另一方面,通过扩大军品市场采购比例和实行合同采购等措施,不断完善军事经济实践活动,以提高市场经济条件下的军事经济效益。     

论当前军队后勤改革的几个理论问题

军队后勤改革随着国家改革大潮的涌动,走过了十几年不平凡的历程。那么,在社会主义市场经济体制不断改革与完善的新形势下,如何用符合客观实际的理论指导军队后勤体制改革?文章指出要以下列理论研究为重点:如何实现保障有力的总目标,怎样选择后勤体制改革的突破口;如何强化后勤改革的宏观调控力度,营造什么样的后勤体制改革宏观环境。     

科学思维中的美学思想和方法

本文论述了科学理论中的美学特征.认为在科学研究中,美和真是相统一的,对美的追求往往导致科学真理的发现.科学思维遵循着一定的美学原则,贯穿着从不完美的“一般”到完美的“一般”的思维过程,这一思维过程要经过孕育阶段、高潮阶段和验证阶段三个阶段.科学思维中的美学思想和方法的应用与科学工作者的美学素养有很大关系,因此在学校教育中应重视美育.