实装对抗训练数据采集与实时裁评系统设计实现

该文提出一种创新的电子实装对抗训练数据采集与实时裁决评估系统,旨在解决传统实装对抗训练中数据采集和裁决评估的效率和准确性问题。系统设计和实现包括数据管理分系统、数据采集分系统、数据处理分系统和裁决评估分系统等模块。系统的主要创新之处在于其灵活自定义采集表单的能力,裁决评估指标体系模板化的能力,以及自动化裁决评估的能力。这些特性使得系统能够根据不同装备训练的需求进行灵活地调整和配置,快速地进行裁决评估,提高裁决评估的自动化和智能化水平。该文详细阐述系统的组成、系统架构设计、工作流程,并介绍该系统在实际电子实装对抗训练场景的应用。通过该文的研究,期望为实装对抗训练的数据采集、分析和裁决评估提供一种高效、准确且智能化的解决方案,为军事训练的数字化转型和智能决策提供有力支持。

基于市场证明共识的分布式账本协议:Achain

区块链技术给加密货币带来了新的变化,并得到了广泛的应用.然而,它仍面临着高吞吐量、低交易延迟、安全性和去中心化的需求和目标.此外,消费节点(交易提供者)的意愿难以映射到leader中,区块开采者热衷于挖矿竞赛也导致中心化和能耗的加剧.为此,提出了一种不同于传统PoW(proof-of-work)共识的新型共识算法——PoM(proof-of-market),及其第一个实施案例——Achain协议.PoM的算法设计使得消费节点进行PoW工作,并投票选出leader节点.这不仅离散化了挖矿的工作,提升了去中心化,降低了能耗,还体现了消费节点的意愿,只有受到最多支持的节点才能成为leader.在性能上,相较于PoW型区块链,Achain还提升了可扩展性,此外,还提供了一种Achain节点存储优化方案——FastAchain;在安全性方面,Achain辅以一套激励相容的奖惩机制使得恶意节点的收益期望为负,这保护了诚实节点的利益,且Achain可以容忍至多1/3的全网总算力被恶意节点控制.为了验证Achain的性能表现,实施了一个大规模网络下的Achain原型用来评估其相关性能,结果表明Achain达到了预期,优于一些主流的代表性区块链协议,且保持了良好的链收敛性和去中心化.

基于物联网和新型储能系统的太阳能LED智慧照明系统

近年来,太阳能LED照明系统由于其节能环保的优点得到广泛应用.但是在使用的过程中,太阳能LED照明系统也暴露出一些严重的问题,归纳起来有如下两方面:(1)太阳能LED照明系统所用的铅酸电池等储能系统寿命太短,严重影响了整个太阳能LED照明系统的使用寿命;(2)目前市面上的太阳能LED照明系统是一个孤立的系统,其可控性较差.本文所研究设计的基于物联网和新型储能系统的太阳能LED智慧照明系统较好地解决了以上两个问题,将对太阳能LED照明系统的推广普及起到积极的推动作用.

基于深度神经网络的武器名称识别

科学技术的进步,推进着军事武器装备的快速更新.在高度信息化的时代,急需智能化军事信息处理技术.本文针对飞行器、坦克车辆、火炮弹炮、导弹武器等军事文本中的武器命名实体,提出了基于词向量、词状态的特征,利用深度神经网络模型的识别方法.实验表明:在测试语料上取得F-1值0.9102的效果.

基于Rocchio和KNN提出的新的文本分类技术

针对Rocchio算法分类效果不理想,限定于对可划分空间地分类,和KNN对K值的选取过于依赖这些缺陷,提出了一个通过为整个分类空间建立不止一个代表的方法,并且根据数据集的具体数据分布,为整个分类空间建立不同个数的分类代表。有效解决了Rocchio线性地划分实例空间的造成数据划分不合理的问题,由构造的代表和每个类泛化的实例创建的分类模型有效提高了分类效率,而且解决了分类准确度依赖人工给定K值的问题,提高了分类的准确度。通过在20-newsgroup和Reuters-21578两个数据集上的实验,实验结果显示新的算法远优于Rocchio和KNN分类算法,与选择的基准比较算法SVM相比效果略优。