当前政治机关建设中存在的问题及对策

当前制约政治机关建设发展的问题主要体现在四对矛盾上：一是素质能力弱与标准要求高的矛盾。无论是加快推进部队现代化建设、加快转变战斗力生成模式,还是遂行多样化任务,都对官兵的素质能力提出了很高的要求,然而,政治机关干部素质能力的提高还是跟不上形势任务发展的需要,尤其是科技知识缺乏、理论功底不厚、专业人才缺乏等问题还比较突出。     

把握战斗精神培育生成的正确路径

战斗精神是军队和军人的核心品质,是无数革命先烈用热血浇灌的信念之花,是当代官兵以生命熔铸的价值之光,是激发革命军人永葆战士本色的力量之源。持续不断地培育战斗精神,是续写人民军队威武之师、胜利之师历史荣光的现实要求,也是强化广大官兵蔑视强敌、战胜强敌顽强意志的必然选择。在当前时代和社会环境条件下,尤其应当注意通过正确把握培育生成路径,抓好部队官兵的战斗精神锤炼锻造。     

论战国至西汉骑兵时代战斗力生成模式的建立

从战国到西汉时期,骑兵时代战斗力生成模式逐渐形成。以兵器由青铜材质向钢铁材质的转变、兵役制度由国家常备兵制向郡县征兵制的转变、作战形式由以车兵为中心的车步协同作战向以骑兵为中心的骑步协同作战的转变为主要标志,以军事理论、军事训练、军事后勤等要素的发展为辅助,最终初步形成了以钢铁兵器为基石、以郡县征兵制为支撑、以骑兵为中心的骑步协同作战为载体的骑兵时代战斗力生成模式。     

在借势“转变”中寻求突破 专访沈阳军区某集团军军长高光辉

初见高光辉军长,这位谈吐属雅,目光睿智,透着一股书卷气的军长就给我们留下了深刻的印象。在随后的采访中,我们找到了这种气质的来源,入伍29年,曾6次入学深造,进过国防火学,参加过三军交叉培训,还赴俄罗斯联邦武装力     

“智慧天津”:让军营闪烁智慧之光——天津警备区坚持军民融合式发展助推部队战斗力生成模式加速转变

大火箭、大飞机、大机车……高科技产业争相落户天津;神州通用数据库、曙光高性能服务器入围国家"核高基"……伴随着滨海新区的开发开放,一个信息化与产业发展深度融合,城市运行和管理高度智能化,城市信息服务日趋普惠化,充满"智慧"、生机勃勃的城市逐渐呈现。融合发展潮起处,风劲扬帆正当时。习主席强调,要始终坚持战斗力这个唯一的根本的标准,全部心思向打仗聚焦,各项工作向打仗用劲。     

基于智能Agent的军事后勤计划生成方法

军事后勤计划是一个复杂的过程,包括地理上分布的组织和信息的协同、繁杂的计算和分析.这使得在有限的时间内制定好后勤计划变得非常困难.基于Agent的后勤计划系统(LPS)是为了后勤计划者开发的支持系统.在LPS中用智能Agent建立军事后勤计划过程中的事务处理、组织或信息实体交互的模型,收集和分析相关信息,自动生成军事后勤计划.     

基于Agent的坦克连CGF系统智能机动模型研究

分析了面向Agent的CGF设计方案,以坦克连为研究对象,设计了坦克连仿真系统体系结构,并就坦克连在虚拟环境中实现智能机动的行为进行了探讨,介绍了坦克连机动Agent的设计与实现.     

坦克CGF炮长操作过程的可视化仿真

通过对坦克计算机生成兵力模型的内部操作行为进行视景仿真的必要性进行分析,建立了坦克计算机生成兵力模型内部操作行为的视景仿真模型。该模型以坦克内部炮长岗位为视点,实现了坦克计算机生成兵力模型各种射击操作的可视化。该视景仿真模型与同类型人在回路的仿真模型有着相同的视景仿真效果。通过该模型可以看出计算机生成兵力模型的状态变化过程和操作过程,仿真过程更加直观,仿真结果可信度更高。     

不同时间信息条件下多目轨迹交会测量点目标运动的方法

针对多相机对点目标的运动轨迹测量,提出不同时间信息条件下的多目轨迹交会法。对点目标运动轨迹进行时间多项式参数化描述,再将多个相机观察目标的系列视线与目标的参数化运动轨迹进行交会,通过最小化物方残差,确定出目标的运动轨迹。相对于传统的多目交会测量模式,本方法不仅能够有效地提高测量精度,而且能够在多相机之间观测不同步,或者时间未对准,甚至无时间信息的情况下仍得到目标的运动轨迹参数。相对于单相机测量模式时要求相机必须运动,多目情况下不要求相机自身运动。仿真实验和真实实验验证了该方法的有效性和高精度。     

面向通信信号调制识别的半监督生成对抗网络框架

针对只有少量标签数据的弱监督条件下现有调制信号识别模型准确率较低的问题,提出基于生成对抗网络的半监督学习框架。该方法通过对通信信号进行冗余空域变换,使其在适应生成对抗网络模型的同时保留丰富的信号相邻特征;通过梯度惩罚Wasserstein生成对抗网络的引入,构建适宜电磁信号处理的半监督学习框架,实现对无标签信号样本的有效利用。为了验证所提算法的有效性,在RADIOML 2016.04C数据集上进行测试。实验结果表明,该方法在半监督条件下能训练出高效的分类器,获得优异的调制识别结果。