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。     

作战体系能力检验评估数据资源体系研究

在对作战体系能力检验评估分析的基础上,从作战、业务和工程视图三方面对作战体系能力检验评估数据资源体系进行了研究,提出了三视图数据资源体系框架,给出了数据资源建设建议。对明确作战体系能力检验评估数据需求,提升作战、业务和工程视图对于联合作战体系能力检验评估数据理解的一致性,促进作战体系能力检验评估数据资源建设和数据综合服务平台建设具有一定参考价值。     

快速精准,在战“疫”中提升动员能力——安徽省合肥市国防动员系统激活动员潜力抗击疫情纪事

抗击新冠肺炎疫情,是一场没有硝烟的战争。在这场阻击战中,安徽省合肥市国防动员系统持续激活动员潜力,在防控一线研战备战、练兵强兵,探索战时国防动员潜力向战斗力转换的新路径,实现国防动员能力在战“疫”中不断跃升。数据真实确保精准动员。此次疫情,最大的困境就是初期医疗防护物资不足。2月8日,驻合肥两家部队医院医疗物资告急,向合肥警备区发来援助请求。     

基于ANP对装备网络体系中作战环节点效能评估

针对装备作战体系的网络结构特点,将作战体系网络分解成作战能力环。分析了作战环要素组成及要素间关系特点,提出将作战环转化成对应网络层次结构;将作战环中中心作战目标和作战环节元素分别设为对应顶层及二级指标层,作战环节装备对应具体战绩指标设为三级战技指标层;集成ANP(网络分析法)与能力需求度评判对作战环节点及作战边进行评估,为装备体系网络拓扑结构研究提供支持。最后,通过实例证明评估方法合理可行。