基于生成对抗网络的遥感光学影像舰船样本仿真

基于遥感数据获取的真实舰船数据集数量非常有限,难以满足深度学习算法训练对样本数量的需求。针对此问题,利用三维模型和能够进行风格迁移的生成对抗网络,提出一种高质量的包含舰船目标的三波段光学高分辨率遥感图像仿真方法。基于构建的数据集,进行仿真样本的生成及评估。研究结果表明,该方法能够合成在视觉上接近真实影像的图像,通过加入合成样本对目标检测模型进行训练,可以使Faster-RCNN和YOLOv5的全类平均正确率mAP分别提升2.6%和2.3%。

样本仿真结合迁移学习的声呐图像水雷检测

水雷检测对于国防安全具有重要意义,然而,由于水下目标声呐成像实验代价较大,通常难以获得足够的水雷声呐图像样本,因此导致难以应用深度神经网络提高水雷等目标的检测精度。针对这一问题,提出样本仿真结合迁移学习的侧扫声呐图像水雷目标检测与识别方法。首先,根据侧扫声呐成像机理,建立水雷目标的仿真模型,进而仿真得到大量水雷目标样本;然后,采用大型广源域数据集ImageNet对深度卷积神经网络进行预训练,再用真实水雷样本和仿真水雷样本对深度卷积神经网络进行微调以适应水雷目标;最后,将微调后的深度卷积神经网络作为目标检测的基准网络,并进行目标检测训练;采用真实的水下水雷声呐图像数据对训练完成的网络进行验证和比较。实验结果表明,提出的基于样本仿真和迁移学习的侧扫声呐图像水雷目标检测方法能够更好地检测水雷目标,优于传统的特征提取及检测方法及只采用真实样本进行训练的检测方法,对于水下目标检测具有借鉴意义。

基于数据生成模型的仿真样本点插补方法

为解决插补的仿真样本点与真实样本点概率分布不一致的问题,提出了基于数据生成模型的仿真样本点插补方法。基于高斯混合模型构建真实样本点的数据生成模型,其对应的高斯混合模型构件数通过多模型融合的策略确定;利用在真实样本点上获得的数据生成模型插补所需的仿真样本点,其中数据生成模型的构件以及构件权重用于控制仿真样本点的生成方式。在20个多模多维混合分布上对新方法的可行性和有效性进行了验证,实验结果表明,与随机样本点插补、合成少类过采样技术及其两种最新的变体等4种方法相比,本文方法能够获得更具概率分布一致性的仿真样本点,证实该方法是一种合理的仿真样本点插补方法。

基于多节点多核的样本级并行仿真技术研究

针对蒙特卡罗仿真的特点,开展了基于多节点多核环境的样本级并行仿真技术研究,设计实现了基于客户端/服务器架构的系统原型,给出了并行仿真实验流程。案例简析表明,该技术能够很好的利用局域网环境下普通PC计算节点以及集群计算服务器各计算刀片上多核处理器的计算能力,大为减少多样本闭环仿真运行时间,提高装备论证效率。

面向可打击区域的高超声速飞行器制导控制一体化方法研究

针对高超声速飞行器制导和控制系统分离设计方法的不足,提出通过制导控制一体化设计提升其可打击区域的方法。首先,在建立高超声速制导控制一体化模型的基础上,揭示了其通过控制弹体坐标系与地面坐标系的牵连加速度来跟踪制导指令的工作原理。其次,通过典型弹道的数值仿真,对比分析了制导控制一体化设计相较于分离设计的控制信号差异。最后,通过确定制导控制分离设计及一体化设计的高超声速飞行器可打击区域的方式,从大样本仿真角度体现制导控制一体化的优势。结果表明,制导控制一体化设计可以放宽对可用过载的需求且有助于提升高超声飞行器的可打击区域。

基于LSTM算法的电网仿真样本生成方法

为了提高电网仿真在线数据挖掘的泛化能力和快速判稳的准确率,提出一种基于长短期记忆网络(long short-term memory,LSTM)算法的电网仿真样本生成方法,搜集了电网仿真计算离线数据中的用户调整潮流行为数据,并进行处理。基于此数据利用LSTM算法搭建模型,并生成潮流调整策略,根据策略生成不同的运行方式数据,结合电网预想故障集和仿真计算生成电网仿真稳定样本,通过不同的样本数据,利用电网安全稳定快速判稳算法验证所提方法的可行性和有效性。

基于仿真样本生成的极速学习机泛化能力改进算法

极速学习机出色的训练速度和泛化能力受到了广泛的关注,已有的针对于提升极速学习机泛化性能的学习算法主要集中于优化其框架结构,增加了模型的复杂度并容易产生过拟合.提出一种基于仿真样本生成策略的极速学习机泛化能力改进学习算法(Extreme Learning Machine Generalization Improvement through Synthetic Instance Generation,SIGELM),该算法不需要修改极速学习机的框架结构(包括输入层权重、隐含层偏置、隐含层节点个数、隐含层节点激活函数类型等),而是利用与训练集中高不确定性训练样本近似同分布的仿真样本优化极速学习机的输出层权重.为了获得符合要求的仿真样本,SIGELM在高不确定性训练样本的邻域内选择能够增加极速学习机训练表现的仿真样本.实验结果证实该算法显著地改进了极速学习机的泛化能力,同时有效地控制了极速学习机的过拟合.

基于HLA的多次仿真运行机制研究

随着基于HLA的分析仿真系统对问题分析的需求,对大量不同的方案进行多次、多样本的"批处理"运行已经成为目前仿真应用的重点。对此,在介绍战争分析仿真实验方法、仿真引擎基础上,针对样本仿真和参数化样本仿真运行模式给出基于HLA的多次仿真控制的解决方案,并针对多次仿真运行过程中的稳定性和可靠性进行了讨论,通过原型系统开发,对基于HLA的多次仿真运行机制进行了验证,证明了其合理性和可行性。

战争分析仿真实验综合分析系统研究

战争分析仿真实验是一种运用战争分析与仿真实验结合的面向高层的分析方法。针对战争分析仿真实验对仿真实验数据进行综合分析的需求,在分析系统功能特征的基础上,提出了仿真实验综合分析系统的体系结构,对内部组成和功能进行了分析,并针对探索性数据分析中存在的问题和解决方案进行了讨论,最后结合实例,对系统应用进行了介绍。

机器故障下加工车间优化重调度方式预测

为预知不同故障情形下的优化重调度方式,实现快速、有效的重调度决策,提出融合调度仿真与改进概率神经网络的重调度方式预测方法。考虑到现场故障样本难获得且无法涵盖全部故障情形,利用仿真实现随机故障下优化重调度样本的生成;以工序加工时间的累计变动、变动任务数、makespan改变量为决策依据,生成各样本的标签;将带标签数据样本输入到概率神经网络模型,实现优化重调度方式预测。实验结果表明:所提出的方法准确率达99.54%;在指定加工车间和生产任务的前提下,故障机序号和故障修复时间对优化重调度方式起决定性作用。

BP神经网络在电子设备可靠性验证中的应用

讨论了借助MATLAB的BP神经网络解决电子设备在寿命分布未知和小样本试验数据时的可靠性评估方法,并给出了一个应用实例,该方法可以提高可靠性评估置信度,并能节省试验时间和费用,特别适用于大型复杂电子设备.

调节收入分配:个税真的无效吗?

基于一个包含财富异质性家户的动态新凯恩斯主义模型,考察了个税及其累进性的变动对于中国收入差距的影响。与已有的采用单方程计量的研究类似,文章全样本仿真的结果表明,个税并未扭转我国收入差距不断扩大的趋势。由于单方程计量方法与全样本仿真无法考察政策机制的改变所引起的预期等因素的变化对于主要经济变量的影响,采用子样本反事实分析法考察了1997至2005年、2006至2010年以及2011年之后等三个不同子样本期个税累进性的提高对于中国收入差距的影响,研究发现尽管个税无法扭转收入差距扩大的趋势,但是个税累进性的提高缓和了中国收入差距扩大的程度。进而尝试提出了相应的改善收入分配的政策建议。

基于物理意义的OCBA理论以及对概率分析OCBA理论的完善

本文从物理意义的角度提出了另一种完善的OCBA理论。另外,本文最后又从概率的角度针对Chun-Hung Chen等的OCBA理论的不足提出了一种更近似的概率方法。

Bayesian Method Reliability of Flight Simulator

This paper introduces the basic viewpoints and characteristics of Bayesian statistics. Which provides a theoretical basis for solving the problem of small sample of flight simulator using Bayesian method. A series of formulas were derived to establish the Bayesian reliability modeling and evaluation model for flight simulation equipment. The two key problems of Bayesian method were pointed out as follows： obtaining the prior distribution of WeibuU parameter, calculating the parameter a posterior distribution and parameter estimation without analytic solution, and proposing the corresponding solution scheme.

仿真与DBSCAN算法融合的管输数据生成与验证方法

在油气管道系统中,受数据保密性高、数据采集技术不完善、异常工况发生频率低等因素制约,利用管输数据集进行机器学习模型训练,效果不理想。基于此,以某原油管道为例,分析管输能耗,利用Pipeline Studio TLNET软件对输油泵机组耗电量进行仿真,扩充训练数据集。针对管输仿真样本无真实值对照、特征关联、高维等特点,提出一种基于马氏距离的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法,用于评价仿真样本的可靠度,识别异常仿真数据。基于仿真样本与现场数据样本的机器学习模型训练结果表明,剔除异常数据的仿真样本能够提升模型的拟合能力,由此为管输数据仿真样本的生成与验证提供了新的思路。

基于神经网络和人工势场的协同博弈路径规划

协同博弈路径规划是空战自主决策、机器人体育比赛等应用场景中的重要问题,其难点在于对环境对抗性反馈的实时自适应和多智能体的相互配合。提出一种基于神经网络和人工势场的协同博弈路径规划方法,使用反向传播(BP)神经网络自适应调整人工势场函数系数,并将人工势场作为神经网络输出端的特征提取。为解决真实样本质量和数量不足的问题,基于遗传算法仿真生成样本数据用于神经网络训练,并通过滚动时域的思路面向动态博弈优化样本性能。从样本数据中提炼出距离差与航向差以反映协同和博弈特性,利用神经网络的黑盒特性和学习能力解决协同博弈问题。应用于二对一反隐身超视距空战路径规划,比经典人工势场法有明显性能提升,且计算开销可接受,计算复杂度分析表明该方法可以较好扩展到多机对抗场景。