Deep learning-based method for detecting anomalies in electromagnetic environment situation

The anomaly detection of electromagnetic environment situation(EMES) has essential reference value for electromagnetic equipment behavior cognition and battlefield threat assessment.In this paper,we proposed a deep learning-based method for detecting anomalies in EMES to address the problem of relatively low efficiency of electromagnetic environment situation anomaly detection(EMES-AD).Firstly,the convolutional kernel extracts the static features of different regions of the EMES.Secondly,the dynamic features of the region are obtained by using a recurrent neural network(LSTM).Thirdly,the Spatio-temporal features of the region are recovered by using a de-convolutional network and then fused to predict the EMES.The structural similarity algorithm(SSIM) is used to determine whether it is anomalous.We developed the detection framework,de-signed the network parameters,simulated the data sets containing different anomalous types of EMES,and carried out the detection experiments.The experimental results show that the proposed method is effective.

基于时间因子和复合CNN结构的网络安全态势评估

为了解决传统的网络安全态势感知研究方法在网络信息复杂情况下准确率不高等缺陷,文中结合深度学习,提出了一种基于时间因子和复合CNN结构的网络安全态势评估模型,将卷积分解技术和深度可分离技术相结合,形成4层串联复合最优单元结构;将一维网络数据转换为二维矩阵,以灰度值的形式载入神经网络模型,从而有效发挥卷积神经网络的优势。为充分利用数据间的时序关系,引入时间因子形成融合数据,使网络同时学习具备时序关系的原始数据和融合数据,增强模型的特征提取能力,同时利用时间因子和点卷积建立时序数据的空间映射,提高模型结构的完整性。实验结果证明,所提模型在两个数据集上的准确率分别达到了92.89%和92.60%,相比随机森林和LSTM算法提升了2%~6%。

一种基于CNN的样本不足战场包围态势认知方法

为研究面对战场视图如何捕捉到指挥员认知经验的问题,深度学习中CNN可提供有力支持。但CNN的训练需要足够的样本数据,目前难以获得。针对战争中常见的战场包围态势认知及样本不足问题进行了剖析,提出一种基于CNN的样本不足包围态势认知新方法,该方法利用CNN的非线性拟合功能及包围态势图像的对称特性,可在一定程度上获得指挥员对包围态势的认知经验。仿真实验结果证明了方法的有效性和鲁棒性。

基于复合导引头态势的抗干扰评估方法

针对雷达抗干扰效果评估中,抗干扰方获取评估信息困难、主观性强等问题,以主/被动复合导引头的态势变化为主线,基于主动导引头感知的位置态势和导引头本身的态势、主/被动导引头侦察到敌方有源干扰信号的态势信息,建立抗干扰评估指标体系。基于态势的麻雀搜索算法优化卷积神经网络(Sparrow Search Algorithm-Convolutional Neural Network, SSA-CNN)方法开展导引头抗干扰效果评估。在态势信息存在缺失时,采用卷积自编码器(Convolutional Auto-Encoder, CAE)完成非完备信息下的导引头抗干扰效果评估。仿真结果表明,在复杂干扰环境下的2种人工智能算法对导引头抗干扰评估均具有优秀的有效性和准确性。

基于融合模型的网络安全态势感知方法

伴随着网络技术的飞速发展,网络安全面临的风险也日益增加,网络攻击呈现复杂化、多样化的特征,给现有网络攻击应对措施带来了巨大挑战。态势感知技术作为一种新兴概念,为网络安全领域带来了新的思路。针对现有网络安全态势感知方法存在数据特征提取及较长时间序列数据处理能力不足的问题,提出一种融合堆栈稀疏自编码器(SSAE)、卷积神经网络(CNN)、双向门控循环单元(BiGRU)和注意力机制(AM)的模型。通过SSAE和CNN提取数据特征,利用AM强化BiGRU对关键信息的关注度,实现对异常流量的攻击类别判定,并结合网络安全态势量化指标,对网络安全态势进行量化评分并划分等级。实验结果表明,融合模型在各项指标上均优于传统深度学习模型,能够准确感知网络态势。

基于深度学习的战场态势高级理解模拟方法

当今军事领域问题的研究已步入了信息化主导的大数据时代,传统的智能辅助指挥员完成战场态势理解已遇到了瓶颈,亟需探索突破。认知智能中深度学习的提出可为该问题的突破提供契机。通常,指挥员进行战场态势理解是分层次的。其中的高级理解则需要深度学习来模拟。就此,展开了探索性研究。概述了战场态势评估的相关概念,分析了指挥员理解战场态势的思维模式,掌握了指挥员理解战场态势时的主要步骤,并结合深度学习运行原理,提出了一种基于深度学习的指挥员战场态势高级理解思维过程(以判断敌方对我方可能的主攻方向为例)模拟方法,该方法利用认知智能中的深度学习(以CNN为例)对指挥员战场态势高级理解过程进行非线性拟合处理,从而达到探索性模拟的目的,仿真实验结果验证了该方法的有效性。

我国现代远程教育的现状与问题

随着现代信息技术在教育中的广泛应用，现代远程教育呈现出强劲的发展势头，并面临广阔的发展前景。本文从现代远程教育的发展历程入手，讨论了我国现代远程教育的发展现状，分析了其在管理模式、教育质量、网络资源建设、师资建设、地区之间的发展、教育的投入等方面存在的问题，并提出一些建议与看法。

我国休闲体育现状及发展对策思考

文章对休闲体育和我国休闲体育发展状况进行了研究，揭示休闲体育领域存在的一些问题，对我国休闲体育的进一步发展提出了可行性建议。

放射科控制医院感染的现状及对策

目的探讨放射科在医院感染中所存在的问题及相应对策。方法对放射科所存在的问题进行分析,尤其是仪器设备的污染,空气、地面的污染及房间布局的设计。结果放射科全体人员控制医院感染的意识和能力有所提高。结论有效控制医院感染对于患者、医院、全社会都有重大意义。

河南省新建本科院校体育教育专业应用型人才实践能力现状调查与对策研究

运用文献资料、访谈调查、问卷调查、数理统计等研究方法,对河南省新建本科院校体育教育专业应用型人才实践能力的现状调查,分别从教学能力、科研能力、裁判工作能力、组织体育活动能力和业余训练能力等方面进行研究。结果表明:教学能力需要加强;科研能力薄弱;裁判工作理论与实践脱节,组织体育活动和业余训练能力缺乏实践锻炼。河南省新建本科院校体育教育专业的人才培养应当转变思想,更新理念,大力推进教育教学改革,以应用型人才培养为根本,以能力培养为抓手,着力培养具有创新精神和实践能力的应用型体育教育人才。

基于深度学习的战役初始态势认知方法

战役初始态势不仅影响着整个战役进程,而且对战役筹划的影响也极为显著。以深度学习为代表的人工智能技术突飞猛进,为我们利用人工智能技术实现自动识别复杂的战役初始态势、模拟战役指挥员的经验知识带来了契机,作者就此问题进行初步探索性研究。对战役初始态势的概念及其类型进行了介绍,探讨了基于深度学习的战役初始态势认知模型构建,对模型构建步骤、输入和输出的设计进行了探讨,对卷积神经网络的基本思想、结构、训练进行了介绍,在示例中介绍了样本数据的录入程序、卷积神经网络的具体结构与应用程序,验证了方法的可行性与有效性。所提出的战役初始态势认知方法可以在一定程度上获得指挥员对战役初始态势的经验知识。

关于网络安全态势感知的预警技术分析

基于网络安全态势预知的预警技术可以通过监控和识别网络上的入侵行为,并对发生入侵后造成的后果进行预测和估计,便于对入侵行为采取防护措施,能够有效地提高网络安全防护系统的效能。将从预警系统的体系结构、预警系统态势感知器的感知方法分析入手,提出基于网络安全态势图的态势评估方法。

基于卷积神经网络的空间目标特性聚类分析研究

空间目标特性聚类是支撑目标分析、属性分类和身份识别等指挥与控制的有效方法.原始特性数据特征不易辨识,直接聚类分析效果往往不够理想.为此,利用卷积神经网络的特征提取能力,对原始特性数据进行特征提取,获取高质量数据特征;基于K-means算法对目标特征数据进行聚类分析.实验结果表明,该方法在分析准确率和算法性能上都明显提高,有效增强了空间目标特性分析能力,能更好地支撑空间态势相关决策.

融合词嵌入和通道注意力机制的网络安全态势预测

为了解决门控神经网络(Gated Recurrent Neural Network,GRU)不能很好地注意到关键词且训练速度较慢的问题,提出融合词嵌入和通道注意力机制的网络安全态势预测模型(E-SE-CNN)。首先,根据专家意见,采用正则表达式分割告警日志数据(网络安全设备捕捉到的Web攻击日志)构建多标签分类数据集;其次,利用Embedding进行词嵌入,获取词的分布式表示,使其能够充分地表示语义信息;再次,引入通道注意力机制(Squeeze and Excitation)和卷积神经网络(Convolutional Neural Networks,CNN),为不同的通道分配不同的权重,使得模型能够进一步获取文本的重要的语义信息;最后,将包含权重信息以及语义信息的特征图送入sigmoid层进行多标签的Web攻击分类。为了进一步验证E-SE-CNN模型的性能,设计了5组相关模型进行进一步验证。实验结果表明,在自建的Web攻击数据集上,在保证训练推理速度的同时,提出的模型在5种评估指标上均具有最佳的表现。

乡村振兴视域下乡村旅游发展的路径探析——以贵州省绥阳县为例

发展乡村旅游是实施乡村振兴的有效途径,文章以贵州省绥阳县为例,分析了发展乡村旅游助力乡村振兴的主要措施及成效;针对绥阳县旅游业发展中存在的主要问题,提出进一步做好乡村旅游工作的对策建议,以期促进乡村旅游业发展,助推乡村振兴的实现。

江西省城镇污泥处理处置现状及建议

近年来,随着城市化进程加快,生活水平不断提高,污泥产量和处理量呈上升趋势。为解决江西省城镇污泥处理问题,对省内城镇污水处理厂基本情况、城镇污泥产生和处置情况进行了调查分析,得出2017年和2020年江西省城镇污水处理厂污泥的年产生量分别为50.17万t和71.27万t,预计2025年将达到85万t。但目前省内污泥处置技术较为落后,主要以填埋和制砖为主,其原因是由于政府和污水厂早期对污泥的处理处置不够重视,法律监管体系不够完善以及污泥处置责任主体和最终处置路线不明确。为提高江西省污泥处理处置技术,对我国目前在污泥浓缩脱水、厌氧消化和好氧发酵后的土地利用、污泥建材利用、污泥焚烧协同处置等技术现状进行了分析,得出各地市污泥处理处置方式的选择需根据污泥量的规模和性质,建立能源和矿物质回收利用、土地利用、建材利用,以及与发电厂协同处置等多种路径互补的污泥资源化利用模式。

新疆伊犁新源县则克台镇的生态环境问题及其治理对策

新疆伊犁则克台镇工业经济发达,但环境问题日益严重。其中,水资源污染、大气污染、噪气污染已经严重扰乱居民的正常生活。应该大力加强生态环境意识教育,努力提高居民生态环境意识,促进少数民族地区人与自然的和谐发展。

基于深度学习的疫情情感分析

2019年新型冠状病毒(COVID-19)肺炎疫情对人民生产生活各方面产生严重影响,为协助政府把握社会舆论,更加科学有效地做好预防控制工作的宣传和舆论引导,本文以与新型冠状病毒肺炎疫情相关的微博内容为研究对象,采用深度学习技术对网民情感进行分析和识别。首先,采用文本分词、正则表达式、词性和停用词表过滤等方法进行预处理操作;其次,构建Bert-CNN模型和Bert-RCNN模型对微博中的网民情感进行识别;最后,验证两种模型的识别效果,并与其他模型进行对比分析。实验结果表明,Bert-RCNN模型的效果最好,其F1-score值为0.702、准确率为73.56%。

基于深度强化学习的智能兵棋推演决策方法

兵棋推演是培养现代军事指挥员的重要方法,将人工智能技术引入到兵棋推演中可简化组织流程,提升推演效益。基于机器学习的智能兵棋常因态势信息过于复杂以及推演本身信息不完整,导致自主决策模型的样本决策效率降低。提出一种基于深度强化学习的智能兵棋推演决策方法。针对智能兵棋推演作战决策的效率问题,在策略网络中引入基准线,并加快策略网络训练,随后进行推导证明,提出加入基准线后策略网络参数的更新方法,分析将兵棋推演环境中的状态-价值函数引入到模型的过程。构建低优势策略-价值网络模型及其训练框架,在传统策略-价值网络下用于兵棋推演,结合战场态势感知方法对模型进行构建。实验结果表明,在近似符合军事作战规则的兵棋作战实验环境中,将传统策略-价值网络和低优势策略-价值网络进行对比训练,在400次的自博弈训练中,低优势策略-价值网络模型的损失值从5.3下降到2.3,且收敛速度优于传统策略-价值网络,低优势策略-价值网络模型的KL散度在训练过程中趋近于0。

临泽县肉牛产业存在的问题及建议

本文通过对临泽县肉牛产业发展现状、存在的问题进行了阐述,提出了几点建议和对策,对今后畜牧产业化发展具有一定的指导意义。