指挥控制协同能力需求体系形式化框架

指挥控制协同性是实现信息化条件下联合作战指挥的关键。针对当前对指挥控制协同能力需求缺乏形式化描述和分析方法等问题,提出一种指挥控制协同能力需求形式化描述框架,运用进程代数方法对能力之间的关系以及操作进行形式化定义,消除了采用自然语言描述协同能力合成过程中可能产生的语义二义性。案例分析验证了该方法的可用性和有效性。

《大学计算机基础》课程多元化教学方法的初探

针对"以培养计算思维为导向"的大学计算机基础课程教学现状的分析,提出了以自主学习能力培养为核心的多元化教学方法,主要包括研讨式教学方法、探究式教学方法、演示法、情境式教学方法、任务驱动式教学方法,并结合大学计算机基础课程教学详细介绍了每种方法的具体应用和教学实施效果。

智能化陆军建设

智能化陆军建设面临军事理论、作战运用及智能技术等多方面挑战。从指挥信息系统发展规律来看,由信息优势到决策优势的转变正在发生。必须深刻理解人工智能技术的本质,把握智能化建设的核心要义。研究认为,陆军智能化建设的重点包括智能化指控理论、知识体系构建等2个基础及智能指挥控制、无人集群作战、智能模拟训练3个核心。

指挥信息系统涌现行为分析方法

针对指挥信息系统需求分析中,缺乏涌现行为有效分析方法的问题,提出了一种静态和动态相结合的涌现行为分析方法。该方法基于涌现行为的分层描述思想,在系统交互层,对涌现行为进行静态分析,采用本体推理和查询技术分析涌现行为的概念一致性;在体系展现层,对涌现行为进行动态分析,利用进程代数进程项的迹的仿真实现涌现行为的可执行仿真分析。

基于学员特征的《大学计算机基础》课程改革初探

军队院校《大学计算机基础》课程面向各专业不同类型学员,旨在培养学员以计算科学为工具、解决现实世界中问题的素质和能力。针对学生学源组成复杂、计算机基础差异较大、专业需求各不相同等问题,需要更加有针对性地探讨基于学员特征的课程改革。从专业特征、基础素质特征两个方面着手,探讨《大学计算机基础》的课程改革和实施方法,以期能够将计算机作为一种自然工具引入到所有科学和工程类课程中。

陆军人工智能专业人才培养

陆军的智能化建设与发展离不开专业化的陆军人工智能人才培养。本文分析了智能化技术对战争形态转换、装备演化、指挥决策优化的影响,论述了陆军培养军用人工智能专业人才的必要性,提出了军用人工智能专业人才的能力模型,依据该模型设计了基础课程体系。

程序设计驱动计算思维能力培养的大学计算机基础课的改革和研究

大学计算机基础是根据教育部计算机基础教学指导委员会培养要求开设的公共基础课程,是众多课程的基础。在很多高校关于大学计算机基础这门课的教学大纲中都明确要求课程教学以计算思维培养为目标。本文主要介绍我校以Python语言进行程序设计实践,以计算思维能力培养为导向的教学改革中的难点以及解决思路和方法。课程的改革有效地推动了低年级学生工程应用能力、创新应用能力的提高。

多场域导向的大学计算机基础课程实践教学范式研究

针对大学计算机基础课程实践教学中计算思维的培养问题,从场域的角度出发,分析了教学范式与场域的变化映射关系,提出"自适应"理念下多场域导向的大学计算机基础课程实践教学范式,通过教育科学和数据科学研究方法的交叉融合,推进实践教学的发展。

数智化背景下院校数据中心管理探析

近年来,新一代信息技术和人工智能的迅猛发展大大促进了信息技术与教育教学的深度融合,使基于泛在网络的智能化教学、管理与服务在院校普遍展开。为了满足院校教育信息化和智能化应用的需求,各院校都在将传统网络机房扩改建为集数据传输、交换、存储、计算、管理与服务等功能于一体的数据中心。

关于指挥控制工程化的认识与思考

信息时代的指挥控制是人机结合的复杂社会系统,需要基于一体化的网络体系,实现网络化的指控结构组织,标准化的战场态势表达,智能化的作战任务规划,定量化的作战效果评估,规范化的指控活动运作,以及模块化的指控力量编组。在指控系统建设中,需要正确认识指控与人因复杂性、智能化技术对指控工程化影响的关系。

智能合约安全漏洞挖掘技术研究

近年来,以智能合约为代表的第二代区块链平台及应用出现了爆发性的增长,但频发的智能合约漏洞事件严重威胁着区块链生态安全。针对当前主要依靠基于专家经验的代码审计效率低下的问题,提出开发通用的自动化工具来挖掘智能合约漏洞的重要性。首先,调研并分析了智能合约面临的安全威胁问题,总结了代码重入、访问控制、整数溢出等10种出现频率最高的智能合约漏洞类型和攻击方式;其次,讨论了主流的智能合约漏洞的检测手段,并梳理了智能合约漏洞检测的研究现状;然后,通过实验验证了3种现有符号执行工具的检测效果。对于单一漏洞类型,漏报率最高达0.48,误报率最高达0.38。实验结果表明,现有研究涵盖的漏洞类型不完整,误报及漏报多,并且依赖人工复核;最后,针对这些不足展望了未来研究方向,并提出一种符号执行辅助的模糊测试框架,能够缓解模糊测试代码覆盖率不足和符号执行路径爆炸问题,从而提高大中型规模智能合约的漏洞挖掘效率。

基于深度学习的人体姿态估计方法综述

基于深度学习的人体姿态估计方法旨在通过构建合适的神经网络,直接从二维的图像特征中回归出人体姿态信息。主要按照2D人体姿态估计到3D人体姿态估计的顺序,并从单人检测与多人检测、稀疏的关节点检测与密集的模型构建等方面,对近年来基于深度学习的人体姿态估计方法进行系统介绍,从而初步了解如何通过深度学习的方法得到人体姿态的各个要素,包括肢体部件的相对朝向和比例尺度、骨骼关节点的位置坐标和连接关系,甚至更为复杂的人体蒙皮模型信息。最后,对当前研究面临的挑战以及未来的热点动向进行概述,清晰地呈现出该领域的发展脉络。

基于Movidius神经计算棒的行人检测方法

Movidius神经计算棒是基于USB模式的深度学习推理工具和独立的人工智能加速器,为广泛的移动和嵌入式视觉设备提供专用深度神经网络加速功能。针对深度学习的嵌入式应用,实现了一种基于Movidius神经计算棒的近实时行人目标检测方法。首先,通过改进RefineDet目标检测网络结构使模型大小和计算适应嵌入式设备的要求;然后,在行人检测数据集上对模型进行重训练,并部署于搭载Movidius神经计算棒的树莓派上;最后,在实际环境中对模型进行测试,算法达到了平均每秒4帧的处理速度。实验结果表明,基于Movidius神经计算棒,在计算资源紧张的树莓派上可完成近实时的行人检测任务。

轻量化卷积神经网络技术研究

为了使卷积神经网络模型更好地应用于移动端和嵌入式设备,必须从减少模型参数量和降低计算复杂度两方面入手。首先简要介绍了目前几种流行的解决方法,并详细阐述了六个轻量化卷积神经网络模型,展示了其中应用的不同网络计算方式的计算量和参数量,论述了模型的核心构建模块、整体网络结构和创新之处。分析了各网络以及常规卷积网络在ImageNet数据集上的分类准确度,进而对比各网络实现轻量化的技巧,得出在进行模型设计时采用直接指标替代间接指标的结论。同时发现了残差结构对保证轻量化模型准确率的重要性。最后对轻量化卷积神经网络的发展前景进行了展望。

基于SqueezeNet的轻量级图像融合方法

现有深度红外和可见光图像融合模型网络参数多,计算过程需要耗费大量计算资源和内存,难以满足移动和嵌入式设备上的部署要求。针对上述问题,提出了一种基于SqueezeNet的轻量级图像融合方法,该方法利用轻量级网络SqueezeNet提取红外和可见光图像特征,并通过该网络提取的特征获得权重图并进行加权融合,进而获得最后的融合图像。通过与ResNet50方法进行比较发现,该方法在保持融合图像质量相近的情况下,模型大小和网络参数量分别被压缩为ResNet50方法的1/21和1/204,运行速度加快了4倍。实验结果表明,该方法不仅降低了融合模型的大小,加快了图像融合速度,同时得到了比其他传统融合方法更好的融合效果。

基于Qt的通信信号分析软件的设计与实现

针对通信信号分析,传统方法一般采用频谱仪、示波器等通用仪器,不仅价格高昂,而且操作复杂,不具备便携性。自主设计并开发了一款基于Qt图形界面,使用MDI(Multiple Document Interface)框架实现的多窗口实时操作、多功能、多任务并行的通信信号分析软件。软件基于模块化设计,包括离线数据获取、时频图分析、信号参数测量、信号解调等模块。利用线程池数据处理+GUI绘图方式实现对离线信号的全面分析。经过多种信号及环境测试,软件整体具有分析效果佳、兼容性强、便携性高等众多优势,能够达到预期设计要求。

面向实体标注的军事语料库建设

军事语料的识别和标注是军事语料库建设的关键。针对军事语料的实体,提出了一套统一的军语词性标记规范和军事语料标注规范,设计了一种基于军语词典的自动扩展的军事语料实体特征提取框架。该框架借助设计的高精分类器进行基本特征的选择和提取,结合军语的典型特征组成特征集,构建基于军语词典校正的特征空间,对军事语料进行实体识别之后按照指定的标注规范和词形标记规范进行军事语料实体的标注,构建一个较大规模的高质量军事语料库。实验表明,该框架可以较好地完成语料实体的识别和语料标注工作,有利于军事语料库的建设工作和认清其在军事上的广泛作用和应用前景。

军事信息系统需求模型一致性检验方法

在大型军事信息系统研制项目中,如何获取军事需求、分析系统需求、发现需求规约中的各种问题,一直是困扰系统研发部门的难题。提出了一套军事信息系统需求建模和一致性检验方法,该方法由军事信息系统需求概念本体、基于UML的军事信息系统需求建模方法,以及基于描述逻辑的军事信息系统需求模型推理验证技术3部分组成。该方法可以有效检验需求分析人员所构建的需求模型的语义是否正确,内容是否全面如实地反映用户要求,进而为系统后续建设提供参考和决策支持。

骨导语音库的建立与骨气导语音的互信息分析

首先设计了适用于骨导语音增强的语料采集方案,采集了1320句涵盖音节全面的语料,并制定了相应的录音规范;其次介绍了骨导语音库建立的意义,说明了语音库建立的实施方案,建成了由40个说话人录制的包括气导语音和骨导语音各8000句的语音库;然后在对比骨导语音与气导语音声学特性的基础上,分析了骨气导语音在高频和低频的互信息量,为骨导语音的增强提供了理论依据;最后基于现阶段的研究及文中构建的语音库对今后的研究做出展望。

基于一维卷积神经网络与改进D-S证据理论的警务云安全数据融合技术

针对系统内评估信息来源单一、准确度偏差过大与异构数据提取融合不充分的问题,提出一种可扩展攻击行为的多源异构网络安全数据融合框架。首先,建立以攻击模式为核心的安全事件分析模型,进一步精简安全数据;其次,针对决策层数据特征提取不足的问题,建立了基于攻击行为的1D-CNN(1D convolutional neural network,1D-CNN)模型,对警务安全数据进行特征学习和重构;最后,为了进一步提高警务云安全数据的分类能力,模型改进了D-S证据理论并结合多源安全数据的可信度进行数据融合。实验分析表明,基于1D-CNN的改进D-S证据理论模型进一步提高了警务云中安全事件的报警识别率,与其他相关技术相比,该模型具有较好的分析能力,对警务云的安全入侵检测和漏洞分析具有重要意义。