针对互联网开放数据中文本表述模糊、实体边界不清等问题,构建航天语料库Space-Corpus,提出一种基于BERT+Bi-LSTM+CRF的航天领域命名实体识别模型。基于微调的多层双向Transformer编码器(bidirectional encoder representations from tr...针对互联网开放数据中文本表述模糊、实体边界不清等问题,构建航天语料库Space-Corpus,提出一种基于BERT+Bi-LSTM+CRF的航天领域命名实体识别模型。基于微调的多层双向Transformer编码器(bidirectional encoder representations from transformer,BERT)模型生成输入语料的向量化表示,结合双向长短期记忆网络(bi-directional long short-term memory,Bi-LSTM)获取上下文特征,通过条件随机场(conditional random field,CRF)层进行序列解码标注,输出得分最高的预测标签。实验结果表明,该模型在Space-Corpus语料库上较基于BERT模型、基于BERT+Bi-LSTM以及基于CNN+Bi-LSTM+CRF识别模型的准确率、召回率及F1值均有提升。展开更多
针对逼近理想点排序法(technique for order preference by similarity to ideal solution,TOPSIS)存在的缺陷,提出基于Tanimoto系数和基于对称差的2种改进TOPSIS。改善或解决TOPSIS存在指标相关性问题、特殊样本集合无法比较优劣问题...针对逼近理想点排序法(technique for order preference by similarity to ideal solution,TOPSIS)存在的缺陷,提出基于Tanimoto系数和基于对称差的2种改进TOPSIS。改善或解决TOPSIS存在指标相关性问题、特殊样本集合无法比较优劣问题和样本数据动态变化时产生的逆序现象等缺陷;在稳定性、特异性、敏感性和有效性4方面对经典TOPSIS模型、改进Tanimoto模型和改进对称差模型进行对比验证,给出2种改进模型的适用场景。结果表明,2种方法各具有一定的优势。展开更多
武器装备体系作战仿真研究隶属于复杂系统研究范畴,首次对基于Nash-Q的网络信息体系(network information system-of-systems,NISoS)对抗认知决策行为进行探索研究。Nash-Q算法与联合Q-learning算法具有类似的形式,其区别在于联合策略...武器装备体系作战仿真研究隶属于复杂系统研究范畴,首次对基于Nash-Q的网络信息体系(network information system-of-systems,NISoS)对抗认知决策行为进行探索研究。Nash-Q算法与联合Q-learning算法具有类似的形式,其区别在于联合策略的计算,对于零和博弈体系作战模型,由于Nash-Q不需要其他Agent的历史信息即可通过Nash均衡的求解而获得混合策略,因此更易于实现也更加高效。建立了战役层次零和作战动态博弈模型,在不需要其他Agent的完全信息时,给出了Nash均衡的求解方法。此外,采用高斯径向基神经网络对Q表进行离散,使得算法具有更好的离散效果以及泛化能力。最后,通过NISoS作战仿真实验验证了算法的有效性以及相比基于Q-learning算法以及Rule-based决策算法具有更高的收益,并且在离线决策中表现优异。展开更多
借鉴美国国防部体系结构框架思想(department of defense architecture framework,DoDAF),从核心体系结构实体、体系结构建模集和建模步骤几方面研究了以数据为中心的体系结建模方法,针对天基预警系统的特点和在反导中的应用,采用体系...借鉴美国国防部体系结构框架思想(department of defense architecture framework,DoDAF),从核心体系结构实体、体系结构建模集和建模步骤几方面研究了以数据为中心的体系结建模方法,针对天基预警系统的特点和在反导中的应用,采用体系结构工具system architect(SA)从作战层面建立了典型的天基预警系统体系结构模型,对理解天基预警系统体系结构、开展天基预警系统顶层设计研究具有一定的参考价值。展开更多
文摘针对互联网开放数据中文本表述模糊、实体边界不清等问题,构建航天语料库Space-Corpus,提出一种基于BERT+Bi-LSTM+CRF的航天领域命名实体识别模型。基于微调的多层双向Transformer编码器(bidirectional encoder representations from transformer,BERT)模型生成输入语料的向量化表示,结合双向长短期记忆网络(bi-directional long short-term memory,Bi-LSTM)获取上下文特征,通过条件随机场(conditional random field,CRF)层进行序列解码标注,输出得分最高的预测标签。实验结果表明,该模型在Space-Corpus语料库上较基于BERT模型、基于BERT+Bi-LSTM以及基于CNN+Bi-LSTM+CRF识别模型的准确率、召回率及F1值均有提升。
文摘针对逼近理想点排序法(technique for order preference by similarity to ideal solution,TOPSIS)存在的缺陷,提出基于Tanimoto系数和基于对称差的2种改进TOPSIS。改善或解决TOPSIS存在指标相关性问题、特殊样本集合无法比较优劣问题和样本数据动态变化时产生的逆序现象等缺陷;在稳定性、特异性、敏感性和有效性4方面对经典TOPSIS模型、改进Tanimoto模型和改进对称差模型进行对比验证,给出2种改进模型的适用场景。结果表明,2种方法各具有一定的优势。
文摘武器装备体系作战仿真研究隶属于复杂系统研究范畴,首次对基于Nash-Q的网络信息体系(network information system-of-systems,NISoS)对抗认知决策行为进行探索研究。Nash-Q算法与联合Q-learning算法具有类似的形式,其区别在于联合策略的计算,对于零和博弈体系作战模型,由于Nash-Q不需要其他Agent的历史信息即可通过Nash均衡的求解而获得混合策略,因此更易于实现也更加高效。建立了战役层次零和作战动态博弈模型,在不需要其他Agent的完全信息时,给出了Nash均衡的求解方法。此外,采用高斯径向基神经网络对Q表进行离散,使得算法具有更好的离散效果以及泛化能力。最后,通过NISoS作战仿真实验验证了算法的有效性以及相比基于Q-learning算法以及Rule-based决策算法具有更高的收益,并且在离线决策中表现优异。