陆战场装甲目标细粒度识别技术

智能化作为新的改变战争游戏规则的颠覆性技术,成为世界各军事强国的发展重点。当前,智能化可以实现对陆战场军事装甲目标的自动识别,但是现有识别任务主要是粗粒度的目标类别识别,缺乏细粒度的目标识别。本文针对陆战场军事装甲目标细粒度识别任务,提出了一种适用于无人作战平台的轻量化细粒度目标识别方法,并初步验证了方法的可行性和有效性,基于此,提出了无人作战平台的新的作战运用。该方法可辅助操作人员进行陆战场装甲目标识别的决策判断,或提供无人打击武器自主打击的判断能力。     

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。     

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.     

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.     

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.     

基于小样本学习的军事装备识别技术

针对军事装备样本稀缺昂贵、目标识别研究进展缓慢等问题,从人类认知科学出发,提出利用民用装备数据完成深度学习训练,实现大样本知识积累;采用模式识别算法提取装备武器特征,实现样本目标识别。通过分析2种样本属性空间距离,利用卷积神经网络作为前端,采用SIFT算法作为后端,构建递进学习模型,实现对多种军事装备的高效识别。实验测试模型识别坦克、战机和军舰平均置信度分别为87%、92%和91%,军事装备武器样本数量决定目标识别精度,样本泛化可提高目标识别率。提出的递进学习模型充分利用深度学习和模式识别算法优势,实现军事领域武器装备小样本目标识别。     

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。     

争当新时代优秀政治干部 锻造过硬政治机关

习主席强调指出,要锻造具有铁一般信仰、铁一般信念、铁一般纪律、铁一般担当的过硬机关。全军上下正广泛开展争创"四铁"先进单位、争当"四有"先进个人活动,赋予了新时代"双争"评比新的时代内涵。作为政治机关和政治机关干部,必须严格按照"四铁"要求,深度挖掘、高度锤炼、精度打磨,时刻拧紧"发条"、擦亮"底色",确保标准更高、走在前列。     

联合作战任务智能规划关键技术及其应用思考

作战任务规划是战场指挥和决策的关键一环。随着多军兵种联合作战思想的发展与成熟,作战任务规划领域正成为传统作战指挥方法与各类新兴技术相结合的集中点,该领域也不断成为智能化指挥和决策指导未来作战的核心点。本文主要阐述了作战任务规划的基本概念和智能化需求,并结合战区级联合任务规划系统对智能化关键技术进行了分析研究,提出了几种具体技术实现架构,并对未来研究做出了展望。