专家系统中引入非单调推理的算法描述

专家系统中常用不精确推理,它们是单调的,单调的推理是有局限性的,而非单调推理则具有普遍的意义。在对不精确推理中的模糊推理、非单调推理分析和研究的基础上,提出了模糊推理和非单调推理有效结合的方法。首先研究了模糊推理与非单调推理的结合,引入模糊数学中贴近度的概念,解决了模糊命题的不相容性。其次提出了一个新的概念——假设正确度,解决了面向从属关系回溯中选择错误效率低的问题。最后给出了模糊非单调推理系统与专家系统一起工作的算法描述。     

非线性动态系统的渐近滑态控制概述

总结和推广了非线性动态系统渐近滑态（ＡＳＭ）控制方法的若干理论成果。在相当一般的假设条件下,我们指出了可以采用连续（乃至光滑）的控制方案,将系统的状态驱往给定的滑动流形上。此外,我们还引入了基于Ｈａｍｉｌｔｏｎ－Ｊａｃｏｂｉ方程的理论方法,统一了先前得到的关于闭环系统鲁棒性分析的结果。最后我们列举了一些应用例子和研究建议。     

五参数寿命分布S(α,β,λ,μ,δ)

在四参数寿命分布的基础上增加了一个非中心参数,进而提出五参数寿命分布S(α,β,λ,μ,δ),并给出了定义、基本性质及其证明。     

非电子产品可靠性和维修性工程设计准则

本文较详细地提出了适用于防空导弹武器系统各类非电子产品的可靠性和维修性工程设计准则,这是实现“将可靠性和维修性设计到产品中去”的重要保证。按其进行设计,可提高防空导弹武器系统及其各类非电子设备的固有可靠性和固有维修性。     

领导干部要善用非权力性影响力树立威信

威信是指领导干部被下属尊敬、服从、信任和认可的程度,源自下属对领导的心理评价,是领导干部对官兵号召力和影响力的体现。威信高的领导干部能对下属产生强烈的感召力,使下属自觉地按照领导的要求行事,提升工作的积极性和主动性,使上级决策部署得到全面准确地落实。威信低的领导则可能严重破坏单位的组织氛围和下属的内在动机,导致下属工作标准下降、遇事敷衍拖沓,甚至出现消极避战、顶撞冲突等情况,对单位凝聚力、战斗力造成严重危害。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

2023年深度学习技术主要发展动向分析

深度学习已成为人工智能领域的研究热点和主流发展方向之一,为诸多重要应用领域带来了革命性的进步。对2023年深度学习技术热门领域的主要发展动向进行了综合评述。首先介绍了深度学习技术发展现状,其次探讨了深度学习技术的军事应用任务和挑战,最后盘点了深度学习技术的未来重点发展方向。综述表明,大语言模型是深度学习领域在2023年最突出的亮点,世界模型框架下的自监督学习技术、强化学习框架下的人工智能智能体技术等也呈现加速发展态势;环境恶劣与强干扰复杂条件下的高鲁棒性深度学习、面向实时流数据高效处理与内在逻辑关联的深度学习、面向多变作战场景自主决策与快速决策的深度学习、面向跨域数据协同感知与协同推理的深度学习等,是深度学习技术未来重要的发展方向。     

2022年深度学习技术主要发展动向分析

深度学习正逐渐成为新一代人工智能最核心的技术之一。对2022年深度学习热门领域的主要发展动向进行了综合评述。首先,介绍小数据小样本深度学习研究领域的最新进展;其次,探讨量子计算与深度学习的融合路径;然后,概述强化学习对通用智能的推动作用;最后,盘点深度学习在多模态学习方向的进展。综述表明,面向小数据、小样本的深度学习技术正在引领深度学习向自监督方向不断迈进,深度学习与其他先进计算范式（例如量子计算等）深入融合趋势愈发明显,强化学习在一定程度上具备解决复杂问题的通用智能,多模态深度学习技术已迎来关键性突破。     

改进蛙跳算法求解武器目标分配问题

针对武器目标分配问题,提出一种改进蛙跳算法来求解空间受限的武器目标分配。首先,基于武器目标分配原则建立多约束条件下武器目标分配模型,并将多目标优化问题转化为单目标优化问题;其次,采用基于非支配等级和拥挤度因子的精英选择策略改进初始种群的多样性和均匀度,提升算法最优解的质量;最后,通过合理的想定背景进行仿真计算,结果表明：该方法可有效平衡搜索时间和全局最优解质量,可作为编队防空作战时武器目标分配的一个不错选择,通过与SFLA算法和遗传算法进行比对分析,表明该算法相对SFLA算法求解的最优解质量高,相对遗传算法搜索效率高。