网络中心战与网格技术

在当前的世界新军事变革中,网络中心战和军事信息网格是两个极重要的、具有发展趋向性的概念。本文阐述了"网络中心战"是军事需求牵引和技术推动的产物,以及美军网络中心战和 全球信息网格的内涵,并对应用网格技术建设我海军信息网格,实现我海军综合电子信息系统一体化进行了初步探讨。     

灭雷具图像声呐探测过程仿真模型

根据灭雷具上高分辨率图像声呐的工作原理和探测过程,从为部队官兵提供模拟训练平台的角度出发,利用计算机的图形、图像处理和虚拟现实技术,提出一种数学模型和物理模型相结合的图像声呐可视化建模思路。通过仿真,证明此种方法既便于计算机实现,又符合灭雷具图像声呐的真实探测和显示过程。同时,为了整个仿真系统的需要,简单地给出了系统中三维海底地形和水雷目标的数据模型和构造方法。     

基于概率推断网的水雷战专家系统

针对反水雷作战决策的需要,运用贝叶斯推理、模糊逻辑以及可信度不确定推理方法,设计了一个基于概率推断网的水雷战专家系统.利用该系统可得出两种结论:一是利用计算概率的方法得出的结论,二是利用计算可信因子方法得出的结论,两种结论呈现定量和定性的互补关系.可较好地为反水雷作战指挥员提供辅助决策,以减少舰船遭毁伤的概率.     

支持高效组播的高性能路由器QoS机制研究与实现

研究并提出一种有效支持组播的高性能路由器QoS机制QoS RESM,该机制以多阈值机制为基础,考虑远程转发引擎的拥塞状态信息,引入全局控制反馈机制,有效完成了高性能路由器上支持组播的流量控制。最后描述QoS RESM在基于网络处理器的核心路由器上的实现方法。     

An INS/GNSS integrated navigation in GNSS denied environment using recurrent neural network

In view of the failure of GNSS signals, this paper proposes an INS/GNSS integrated navigation method based on the recurrent neural network (RNN). This proposed method utilizes the calculation principle of INS and the memory function of the RNN to estimate the errors of the INS, thereby obtaining a continuous, reliable and high-precision navigation solution. The performance of the proposed method is firstly demonstrated using an INS/GNSS simulation environment. Subsequently, an experimental test on boat is also conducted to validate the performance of the method. The results show a promising application prospect for RNN in the field of positioning for INS/GNSS integrated navigation in the absence of GNSS signal, as it outperforms extreme learning machine (ELM) and EKF by approximately 30% and 60%, respectively.     

基于科学计量的机器学习技术发展评估分析

机器学习是通过数据训练使机器获取新的知识和技能的计算机技术,是人工智能技术的核心和前沿领域之一。本文以Web of Science?核心合集收录的机器学习领域相关SCI论文和incoPat全球专利数据库收录的机器学习领域相关专利为数据源,运用科学计量方法对文献数据和专利数据进行时间、地域和机构分布分析,展示了机器学习领域研究实力的分布情况,并对机器学习的发展趋势进行了分析;然后利用主题聚类分析方法及可视化软件VOSviewer,挖掘出机器学习领域的关键技术、技术热点;最后对结果进行了总结分析,以期为我国机器学习发展布局提供参考和借鉴。     

多重优化的分布式无线覆盖探测算法

为满足无线通信网络信号覆盖有效性的实时实地可重复探测的需求,提出一种基于传感器网络的分布式无线覆盖探测算法。通过随机部署于目标区域内的无线传感器节点对无线通信网接收信号强度进行感知和预处理;利用变异函数构造新的BP神经网络目标函数,通过改进粒子群算法优化其初始权值和阈值;利用训练好的网络模型对存在探测盲区的目标区域进行插值估计,并联合传感器节点采集到的数据生成无线通信网络等信号强度线。仿真结果表明,所提算法比其他经典算法具有更高的精度,可有效探测目标区域无线通信网络的信号覆盖情况。     

基于切比雪夫神经网络的软件定义卫星网络智能路由策略

针对现有的软件定义卫星网络中流表占用的三态内容寻址存储器空间不断增加,复杂的流表项查找、匹配过程导致路由转发效率降低,无法满足多样化应用需求的问题,提出基于神经网络的软件定义卫星网络智能路由架构。控制器通过训练神经网络获取数据流的传输模式,并用训练后的神经网络代替流表,在此基础上提出基于Chebyshev神经网络的智能路由策略,交换机根据数据流的业务类型预测其转发路径,以满足卫星网络应用的服务质量要求。仿真结果表明:所提路由策略显著减少了占用的三态内容寻址存储器存储空间,提高了路由效率。     

强化学习框架下移动自组织网络分步路由算法

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出强化学习框架下的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集以提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析。仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

装备寿命周期备件供应网络优化方法

针对现有备件供应优化方法未从寿命周期角度考虑备件供应优化问题,将寿命周期不同阶段的备件需求特征融入备件供应网络设计中,实施动态需求特征下的寿命周期整体优化。深入分析寿命周期不同阶段的备件需求特征;建立备件供应响应时间转移方程,在此基础上,构建使寿命周期备件保障效益最大的多目标混合整数规划模型。通过仿真案例证明了多种备件保障模式的组合能够显著提高寿命周期保障效益,寿命周期整体优化可以实施更高效的备件供应。