表示结构化知识的神经网络模型

研究和设计了一种高度结构化的神经网络模型ＨＳＮＮ,它能方便地对结构化知识进行表示和处理。文中给出了ＨＳＮＮ的设计过程,并讨论了ＨＳＮＮ在继承、非单调推理和信息检索等方面的应用     

基于agent 的分布式集成环境

本文提出了一种基于多ａｇｅｎｔ的分布式集成环境ＤＩＥＭＡ的通用框架,描述了ＤＩＥＭＡ的工作原理;提出了服务ａｇｅｎｔ和请求ａｇｅｎｔ的实现框架及其设计与实现。     

固体火箭空间快速响应任务规划研究

针对空间快速响应任务中固体火箭弹道设计、微小卫星轨道规划相互独立,无法快速生成任务方案的问题,提出一种固体火箭空间快速响应任务规划方法.总结概述了空间快速响应任务规划的定义,在此基础上设计了固体火箭空间快速响应任务规划的总体架构,将其划分为任务要素分析、轨道规划、弹道规划、机动路径规划、方案评估和仿真演示共6个模块,阐...     

军事概念模型知识获取过程方法和工具

军事概念模型是独立于实现的真实世界的实体、任务等作战要素的表示.军事概念模型是军事建模仿真系统开发中非常重要的一步,对于仿真的可信度具有重要的影响.从知识系统开发的观点将军事概念模型开发分成知识获取和知识工程两个阶段.探讨了军事知识获取的过程,知识结构化描述的表示方法、语言和描述过程,在此基础上开发了支持军事概念模型知识获取的工具"兵书一号",并得到了广泛的推广和应用.     

网络化作战系统的软硬件体系

分析了发展网络化作战系统的两个推动要素——信息技术的发展和第二代作战系统所面临的问题 ,讨论了网络作战系统的发展目标 ,提出了网络化作战系统的软硬件体系结构 ,包括硬件的三层次结构和集成化作战软件的技术方案 ,指出了实现作战系统网络化的巨大效用。     

概念层次网络中对偶性设计

首先对概念层次网络（ＨＮＣ）理论作简要说明,然后根据ＨＮＣ中层符号个性化设计理论给出对偶性设计方案,和偶性的具体表现,并给出对偶性概念具体表现的注解。     

基于改进协同遗传算法的有效载荷系统功能序列规划方法

针对传统回溯算法在求解基于知识模型的有效载荷系统功能序列规划问题中搜索效率低的问题,提出一种基于"择劣变异"(Worst Individual Mutation,WIM)策略的协同遗传算法(Co-evolutionary Genetic Algorithm,CGA)的改进算法WIM-CGA。该算法在遗传过程中采用双路线进化方案,即"择优实施标准遗传过程,择劣实施变异操作",达到提高求解精确度及搜索效率的目的。仿真结果表明,同等测试条件下,当功能规模为50,约束密度为1.0时,WIM-CGA算法在限定时间内最优解的平均精确度比优化的回溯算法提高了54.15%,比CGA算法提高了6.18%,且当所得解的精确度大于90%时,WIM-CGA算法比CGA算法的迭代次数减少了65.79%,耗时降低了48.97%,显著提高了功能序列规划的效率。     

基于MDO方法的卫星集成设计系统分析与实现

为解决多学科设计优化方法中多学科设计、多学科分析、多学科优化过程与卫星总体设计流程集成的问题,采用变复杂度建模技术,并借鉴产品数据管理思想,设计并实现了面向总体设计的卫星集成设计软件系统。阐述了软件的设计思想、系统组成和功能特点,并给出了月球探测卫星概念设计问题的具体应用实例,结果表明软件在解决多学科设计优化方法应用于卫星集成设计问题时的可行性。     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

基于ACE Streams框架的舰船综合电子仿真系统设计

软件构件具有良好的功能封装性及接口规范性,在增强软件的可移植性和提高复用率等方面意义重大。在舰船综合电子仿真系统开发过程中,通过引入ACE Streams框架的技术,有效地降低了软件各层次间的耦合度,增强了数据的传输处理能力,固化了该系统的通信机制。