What you should know about simulation and derivatives

Derivatives (or gradients) are important for both sensitivity analysis and optimization, and in simulation models, these can often be estimated efficiently using various methods other than brute‐force finite differences. This article briefly summarizes the main approaches and discusses areas in which the approaches can most fruitfully be applied: queueing, inventory, and finance. In finance, the focus is on derivatives of another sort. © 2008 Wiley Periodicals, Inc. Naval Research Logistics, 2008     

Threshold optimization for weighted voting classifiers

Weighted voting classifiers considered in this paper consist of N units each providing individual classification decisions. The entire system output is based on tallying the weighted votes for each decision and choosing the one which has total support weight exceeding a certain threshold. Each individual unit may abstain from voting. The entire system may also abstain from voting if no decision support weight exceeds the threshold. Existing methods of evaluating the reliability of weighted voting systems can be applied to limited special cases of these systems and impose some restrictions on their parameters. In this paper a universal generating function method is suggested which allows the reliability of weighted voting classifiers to be exactly evaluated without imposing constraints on unit weights. Based on this method, the classifier reliability is determined as a function of a threshold factor, and a procedure is suggested for finding the threshold which minimizes the cost of damage caused by classifier failures (misclassification and abstention may have different price.) Dynamic and static threshold voting rules are considered and compared. A method of analyzing the influence of units' availability on the entire classifier reliability is suggested, and illustrative examples are presented. © 2003 Wiley Periodicals, Inc. Naval Research Logistics 50: 322–344, 2003.     

数据挖掘在图像信息隐写分析中的应用

提出数据挖掘在图像信息隐写分析中的应用。首先计算原始图像和隐写图像在通用图像质量指标下的失真测度,然后利用数据挖掘技术建立一个预测模型,完成失真测度到已知隐写概率的映射,模型的输出即为预测隐写概率。实验结果表明,使用该方法得到的预测隐写概率和已知隐写概率的相关度,当使用训练样本时达到0.951以上,使用测试样本时达到0.943以上,达到了很好的预测效果。     

基于USB接口的虚拟装备技术

基于通用串行总线(USB)这一新的接口技术,对虚拟装备中的人机交互技术进行研究。确定了交互系统的总体构成,设计了能满足实际需求的USB硬件设备,并以具体实装部件为例,设计了相应的外部信号调理电路,开发了具有即插即用、软件下载等功能的配套驱动程序及通信所需的固件程序,对设计方案进行了验证。     

联合生成对抗网络和检测网络的SAR图像目标检测

针对合成孔径雷达图像目标检测中存在的样本获取困难且数量有限问题,提出了联合生成对抗网络和检测网络的学习模型。利用原始训练集对特别设计的超快区域卷积神经网络进行预训练;再通过基于注意力机制的深度学习生成对抗网络生成高质量合成样本,并输入检测网络进行预测;依据预测信息和概率等价类属标签分配策略为新生样本提供注释信息,并以一定占比对原始训练集进行扩充;利用扩充数据集对检测网络进行再训练。多组仿真实验证明,所提框架能够有效提升网络检测效率和性能。     

MEO非共振轨道导航星座摄动补偿控制

针对我国新一代全球导航星座长期构型维持控制问题,提出了MEO星座构型状态描述方法,分析了主要摄动力和轨道参数偏差作用下的星座构型演化规律,结合实测数据对稳定性规律进行了验证;研究了参数偏置摄动补偿控制原理,提出了一种改进的解耦控制方案,分析了星座部署时间对摄动补偿控制量的影响规律,得到了一些有益的关键性结论,为我国全球导航系统的星座构型设计和运控策略制定奠定了基础。     

运载火箭摄动制导导引系数实时计算方法

对于新型运载火箭,没有相近型号导引系数数据供参考,采用传统试探法计算量大,在制导方案初期论证中不能满足多方案快速计算的需求。在引入理想弹道剩余飞行速度概念的基础上,提出导引系数实时计算方法。本方法对当前实时状态参数和后续飞行段弹道进行了综合考虑,通过数字仿真表明导引精度高于传统常系数导引方法。由于本方法对导引能力进行了预估,因而制导指令不会剧烈变化,易于姿态控制系统的设计实现。同时,由于采用完全解析法,对箭载计算机计算能力要求几乎没有增加,易于工程实现。     

利用主成分分析的通信调制识别通用对抗攻击方法

深度学习容易被对抗样本所攻击。以通信调制识别为例,在待传输的通信信号中加入对抗性扰动,可以有效防止非合作的用户利用深度学习方法识别信号的调制方式,进而提升通信安全。针对现有对抗样本生成技术难以满足自适应和实时性的问题,通过对数据集中抽取的小部分数据产生的对抗扰动进行主成分分析,得到适用于整个数据集的通用对抗扰动。通用对抗扰动的计算可以在离线条件下进行,然后实时添加到待发射的信号中,可以满足通信的实时性要求,实现降低非合作方调制识别准确率的目的。实验结果表明该方法相对基线方法具有更优的欺骗性能。     

一种发动机万有特性曲面拟合的新方法

通过分析发动机实测试验数据,提出了燃油消耗率同转速和扭矩之间存在类似幂指函数的关系,运用多元回归的方法对发动机的万有特性曲面进行了拟合,对拟合结果用数理统计的方法进行了检验,最后指出对发动机万有特性曲面的拟合采用分段函数进行数值计算,将得到更为精确的结果。     

复杂导弹武器装备通用层次模块化诊断模型

根据复杂导弹武器装备系统的组成、结构、故障机理和故障诊断的特点,建立其通用的层次模块化故障诊断模型,研究了层次模块化故障诊断机理和诊断过程中所采用的推理搜索机制,建立的层次模块化故障诊断模型能够根据具体诊断问题的特点,选择不同的故障诊断方法,逐层逐块深入进行诊断,直到完成诊断任务。故障诊断模型具有很强的通用性、可行性和潜在的应用价值,基于此模型的故障诊断系统的建立将有助于复杂导弹武器装备的维修保障。