【专题】基于深度学习及FPGA的装备目标检测研究

本文应用深度学习技术实现海天背景下基于可见光、红外方式成像的舰船及角反、烟幕干扰的目标检测,这也是反舰导弹作战使用的关键技术之一。采集的可见光与红外成像目标检测数据集涵盖实施典型干扰下的态势场景,贴近实战;结合四种不同的目标检测机制,选取YOLOV3、Faster R-CNN、SSD及CenterNet四种典型模型分别进行训练与验证,通过对比分析进一步提高弱小目标、复杂干扰态势的的检测,可以实现端到端的高精度装备目标检测模型。在确保精度的前提下基于现场可编程门阵列（FPGA）进行软硬件协同设计,通过对比分析选定基于Vitis AI的实施方案,经过模型的量化、编译与优化,可在保证检测效率的前提下快速实现模型的小型化部署,便于进行装备移植。研究结果表明,该研究内容可有效提高现役反舰导弹目标检测的准确率。     

内初班学生学习适应性与心理健康相关研究——以石河子市为例

本研究采用《学习适应性测验》、《中国中学生心理健康量表》对石河子市内初班初一、初二年级少数民族学生进行了测查。结果表明:从总体上看学习适应性与心理健康之间存在显著相关;从内容上看心理健康与学习适应性之间存在显著相关;学习态度、学习环境和心身健康三个方面受到心理健康的影响最大。     

内压圆筒大开孔结构补强设计与应力分析

根据整体补强和厚壁接管补强2种型式,为内压圆筒大开孔结构确定满足结构和工艺要求的圆筒壁厚和3种规格接管壁厚。采用压力面积法和ASME规范对该大开孔结构进行强度校核,并运用有限元分析法进行结构的应力分析和数字模拟,比较不同壁厚接管的补强效果,从而确定容器的结构尺寸。设备实际运行结果表明:该结构强度满足工作要求。     

自燃火灾原因分析认定专家系统的设计特点

结合武警学院科研项目"自燃火灾原因分析认定专家系统"(简称FSAIES)的研制工作,介绍FSAIES系统的基本结构,并通过实例详述了适合于系统开发的知识获取和知识表示方法,重点介绍了系统采用的推理机制和学习功能.     

作业名层次化聚类算法预测作业运行时间

预测作业的运行时间有益于提升系统的调度性能,而聚类有助于训练出更好的预测模型。传统的聚类算法很难将相似的作业名聚类,为了将相似的作业更好地聚类,通过分析其组成成分的语义重要性,构建字母-结构-数字的作业名层次化聚类算法。以两台超级计算机的真实数据为例,实验结果发现,应用此算法聚类后的数据训练模型的预测精度相较传统方法有一定的提升,整体预测精度为70%～80%。     

如何提高在线学习者的自我调节能力

与传统课堂教学相比,网络教学环境独有的特点对学习者提出了更高的要求:要求学习者不仅要掌握知识、技能,更要学会学习,管理自己的能力,进行有意义、高效的学习,使其努力指向目标并最终实现目标。本文结合师范生公共必修课《现代教育技术》在线网络课程的教学实践,有效跟踪学习者的学习行为活动,分析学习者的学习状态、学习风格,以及对学习行为的自我调节能力,总结摸索出一些培养并提高学习者自我调节能力的指导性策略,希望能对广大网络学习者有一定的借鉴意义。     

Undergraduate disarmament and nonproliferation education: gaps,opportunities, and new approaches

ABSTRACT

Despite living in a nuclear-weapon state, young Americans are generally ill-informed about weapons of mass destruction (WMD) and their means of control. The result is both widespread apathy toward nonproliferation and disarmament decision making among the general public and a looming personnel crisis within government sectors that enact policy in these domains. Considering that 67 percent of high school graduates in the United States go on to pursue a bachelor’s degree, exposing more undergraduates to nonproliferation and disarmament issues could contribute to addressing both of these challenges. The present study analyzes how these issues are already being taught at select US colleges and universities and explores ways to introduce them to more students that align with current priorities in higher education, such as interdisciplinary learning, digital humanities, and data-science learning. It also proposes concrete steps that the WMD policy community can take to help institutions of higher education integrate these topics more broadly into their curricula. The anticipated result is greater support for education in this important issue area across different stakeholders in academia, as well as increased engagement with these critical issues among a more diverse population of young people.     

面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习

在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。     

多约束强化学习最优智能滑翔制导方法

为提升复杂飞行任务下滑翔制导的自主性,提出一种基于最优制导与强化学习的多约束智能滑翔制导策略。引入三维最优制导以满足终端经纬度、高度以及速度倾角约束。提出基于侧向正弦机动的速度控制策略,研究考虑机动飞行的终端速度解析预测方法。针对速度控制中机动幅值无法离线确定的问题,研究基于强化学习的智能调参方法。该方法基于终端速度设计状态空间,以机动幅值设计动作空间,设计综合终端速度误差与滑翔制导任务的回报函数,采用Q-Learning实现机动幅值的智能调整。仿真结果表明,智能滑翔制导方法能够高精度满足终端多种约束,并能有效提升复杂任务下的自主决策能力。     

高性能互连网络中端口阻塞故障预测方法

随着系统规模、芯片功耗和链路速率的提升,高性能互连网络的整体故障率也不断上升,传统运维方式将难以为继,给高性能计算系统整体可靠性和可用性带来了巨大挑战。针对网络端口阻塞这类严重网络故障,提出无监督算法的预测模型。该模型从历史信息中挖掘征兆性规律并形成新的特征向量,应用K-means聚类算法对特征向量进行学习归类。在预测时,结合端口当前状态,利用二次指数平滑算法对未来状态进行预测,将得到的新特征向量使用K-means算法预判是否会发生阻塞故障。利用拓扑结构信息,分别对叶交换机和根交换机构建预测子模型,进而提升预测的精确率。结果表明,该预测模型能保持在召回率为88.2%的前提下,达到65.2%的准确率,可为运维人员提供有效的辅助。