多层自适应模式识别系统模型

在英国WISARD单层模式识别系统的基础上,借助P.Kanerva的稀疏分布存贮(SDM)的概念,提出了~种新的多层自适应模式识别系统模型(MAPR)。并就其工作过程和主要特点作了较详细的叙述,还列出了多体印刷体汉字识别的初步试验结果。MAPR用稀疏RAN阵列代替WISARD的常规RAM阵列,用对n元模式计频的训练策略代替了原系统的直接置位策略。使系统除了保持原系统的重要优点外,在大维数或非确定性模式数据识别方面,其性能有了明显改善。     

基于代理的分布式入侵检测系统研究与设计

传统的入侵检测系统一般局限于单一的主机或网络架构,对异构系统及大规模网络的检测明显不足,同时不同的入侵检测系统之间不能协同工作.分布式入侵检测将会是未来的主流.本文提出了一种基于AGENT的检测系统作为在网络环境中的IDS,AGENT的灵活性保证它可以成为保障系统的安全提供混合模式的架构,重点讨论了自适应模型生成、系统的总体结构、关键部件设计、Agent管理及系统实现等问题.     

平滑重构稀疏贝叶斯学习测向算法

针对二级嵌套阵列中的紧凑阵元结构易受互耦效应影响的问题,提出了两种不同的嵌套阵列结构改进方法：连续平移嵌套阵列和间隔平移嵌套阵列。通过对原有二级嵌套阵列阵元位置进行调整,形成了两种不同的平移嵌套阵列结构,这两种结构对应的差分共阵均"无孔",并且测向自由度和阵列稀疏度均大于原二级嵌套阵列。针对嵌套阵列的差分共阵测向模型为单测量矢量模型,稀疏贝叶斯学习测向算法复杂度高的问题,提出了平滑重构稀疏贝叶斯学习算法。该算法通过空间平滑重构将单测量矢量模型变为多测量矢量模型,降低了观测矩阵的维度,减小了计算复杂度。算法求解时,通过对变换后的观测矩阵进行奇异值分解,进一步降低了观测矩阵维度,利用稀疏贝叶斯学习算法估计辐射源角度。仿真表明,在信噪比和采样数相同的条件下,该算法收敛速度比单测量矢量稀疏贝叶斯学习（SMV-SBL）算法快,且测向精度高于SMV-SBL算法和空间平滑多重信号分类（MUSIC）算法;存在互耦影响时,两种平移嵌套阵列比原嵌套阵列受互耦影响小。     

基于改进FRAM的民机系统安全性分析

民机安全性分析的重要内容之一是系统运行过程分析，现有的运营安全性分析模型大多没有综合考虑人、飞机、运行环境等各类影响安全性的因素。本文综合考虑系统安全性分析功能间的时间、控制、资源、前提等影响，更加细致地分析影响系统安全运行的因素，建立了全面且规范化定量化安全性分析模型。运用功能可变性描述规则（RFV）、层次分析法（AHP）对功能共振分析法（FRAM）进行改进，建立民机系统安全性综合分析模型。使用模型还原143号班机安全运行所需条件，分析得出应重点防范的耦合变异与功能失效，且扩展了原事故调查报告结论，表明了该模型的可行性，提出的理论模型可为航空公司在运营系统安全性方面提供理论参考和技术支持。     

双基地角时变下的ISAR稀疏孔径自聚焦成像

针对双基地角时变下的逆合成孔径雷达（ISAR）成像分辨率低以及稀疏孔径存在相位误差引起图像散焦等问题,提出了一种基于贝叶斯压缩感知（BCS）的双基地ISAR稀疏孔径自聚焦高分辨成像算法。在平动补偿后回波数据的基础上,首先构造补偿相位将由双基地角时变引起的多普勒偏移补偿掉,然后构造随双基地角变化的稀疏基矩阵,建立基于压缩感知的双基地ISAR稀疏孔径观测模型,并将相位误差作为ISAR成像的模型误差,接着假设目标图像各像元服从Laplace先验、噪声统计特性服从Gaussian分布,利用贝叶斯推理进行"分布式"迭代求解,在高分辨成像的同时实现了相位自聚焦,仿真结果验证了算法的有效性和优越性。     

大型稀疏复线性方程组双共轭梯度法

有限元复线性方程组的系数矩阵一般具有稀疏性和对称性的特点,全稀疏存贮方法就是利用这些特点,只存贮对称部分的非零元素,采用链表式管理,即节省存贮空间,又便于动态更改.在一般双共轭梯度法的基础上,本文利用广义变分原理对内积进行了重新定义,使双共轭梯度法求解复线性方程组更为有效.数值算例表明这种双共轭梯度法结合全稀疏存贮方案的求解算法在时间和存贮上都较为占优,可靠高效,能够应用于有限元线性方程组的求解.     

有限元线性方程组改进的全稀疏存贮方法

有限元线性方程组的系数矩阵一般具有稀疏性和对称性的特点,全稀疏存贮方法就是利用这些特点,只存贮对称部分的非零元素,采用链表式管理,即节省存贮空间,又便于动态更改;但在实际求解计算时,查找元素花费的时间较多;这里给出了一种改进的方法,是在链表的基础上生成相应的线性表,能够方便快速查询元素,使存贮结构同时具有链表和线性表的优点.数值算例证明该存贮方案在时间和存贮上都较为占优,可靠高效,能够应用于有限元线性方程组的求解.     

基于CWT-CNN的齿轮箱运行故障状态识别

针对传统故障诊断中提取的特征不具有自适应能力、很难匹配特定故障的问题,提出了一种基于连续小波变换（CWT）和二维卷积神经网络（CNN）的齿轮箱故障诊断方法。该方法对齿轮箱故障振动信号采用连续小波变换构造其时频图,以其为输入构建卷积神经网络模型,通过多层卷积池化形成深层分布式故障特征表达。利用反向传播算法调整网络各层的结构参数,使模型建立从信号特征到故障状态之间的准确映射。在不同工况和不同故障状态下的实验中,故障识别准确率达到了99.2%,验证了方法有效性。采用这种自适应学习信号中丰富的信息的方法,可以为故障诊断智能化提供基础。      

基于融合神经网络的航空发动机剩余寿命预测

航空发动机的性能退化是影响飞机飞行安全的重要因素。准确预测发动机的退化过程,对于飞机安全飞行具有重要意义。针对航空发动机剩余寿命预测问题,本文提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型。与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期记忆网络提取时间特征。实验结果证实,在寿命预测中,所提出的数据驱动模型与已有的方法相比,评分和均方根误差分别下降了32%和6.4%,因此,所提出的数据驱动模型可对数据中所包含的信息进行充分挖掘,其对航空发动机寿命预测精度较高,并具有良好的稳定性。     

基于机器学习的空间翻滚目标实时运动预测

借助监督式机器学习（ML）方法,对空间翻滚目标的运动状态预测问题进行研究,为空间机器人抓捕空间翻滚目标提供可靠的数据依据。基于物理模型的运动预测方法依赖理想的建模假设,需要连续的视觉反馈信息,解决目标预测问题的能力有限。因此,本文采用机器学习中纯数据驱动方式的稀疏伪输入高斯过程（SPGP）回归方法进行空间翻滚目标的运动预测。给定空间翻滚目标运动状态的历史观测数据,通过连续优化真实观测数据,得到稀疏的伪训练数据集,进而在线快速预测目标的运动状态,预测的计算效率达到毫秒级。此外,利用马尔科夫链蒙特卡洛（MCMC）法处理连续优化过程,克服由于随机初始值造成的优化过程陷入局部极小值问题。利用Snelson数据验证了所提稀疏伪输入高斯过程回归方法的正确性,并通过4组仿真算例验证了所提方法对于空间翻滚目标运动预测的有效性和鲁棒性。     

基于绳系并联机器人支撑系统的SDM动导数试验可行性研究

详细给出了在低速风洞中,采用绳系并联机器人(WDPR)支撑模型,用强迫振荡法进行标准动态模型(SDM)动导数试验可行性的研究。试验中将杆式六分量应变天平内置入模型中以测量模型的气动力和气动力矩,建立了适用于绳系并联机器人支撑系统的模型运动控制子系统和数据采集子系统。采用绳拉力作为参考信号,对气动力矩信号与位姿信号进行数据的同步处理,解决了绳系并联机器人支撑系统应用于动导数试验时所测力矩信号与位姿信号之间的相位差确定问题,给出了WDPR支撑下模型动导数的计算方法。整个试验样机置于某开口式低速直流风洞中进行了俯仰、带偏航角的俯仰以及升沉的动导数试验,通过测量和计算得到各动导数。试验结果与参考文献相比较具有合理的一致性。研究结果表明,采用绳系并联机器人支撑模型进行动导数试验是可行的,至少对于SDM是这样的结果;使用一套绳系并联机器人支撑系统,可以完成多套硬式支撑系统才能完成的动导数试验,从而提高试验效率,降低试验成本。     

中国股市波动的异方差模型

从分析上证A股股指收益率入手,运用了GARCH,EGARCH,TARCH等ARCH类模型.选定出能更好地刻画近期我国股指收益率序列特征的模型.实证分析结果表明：现阶段上海股票市场显著的表现出对信息反应的非对称性;通过模型的比较分析,发现GARCH模型能更好地刻画我国现阶段股指收益率序列的特征;上证A股市场的收益率一直存在风险补偿,且为负向,即风险惩罚。     

航空工业仿真数据管理解决方案

本文分析了航空航天行业企业对于仿真数据管理（SDM）平台建设的普遍需求和挑战,总结了与之对应的SDM平台方案建设的要素与益处。提出了采用多学科CAEBOM来进行仿真业务数据的结构化管理这一概念,强调了SDM如何与设计流程协同、平台如何同外部工具联合构建自动化流程两个平台建设的关键要素。最后,通过用户案例说明了国外宇航工业在这方面的最佳实践。     

动态模糊RBF神经网络焊接接头力学性能预测建模

建立动态模糊径向基神经网络RBF( Radial Basis Function,RBF)焊接接头力学性能预测模型,克服静态RBF和模糊神经网络( Fuzzy Neural Network,FNN)在结构辨识、动态样本训练及学习算法的不足。该模型的结构参数不再提前预设,在训练过程中动态自适应调整,适用动态样本数据学习,学习算法引入分级学习和模糊规则修剪策略,加速训练并使模型结构更加紧凑。利用三种厚度、不同工艺TC4钛合金TIG焊接试验数据对该模型进行仿真。结果表明：模型具有较高的预测精度,适用于预测焊接接头力学性能,为焊接过程在线控制开辟了新的途径。     

Spiral evolution applied to legacy avionics systems

The US Department of Defense (DoD), through the Office of the Secretary of Defense (OSD), has determined that evolutionary acquisition is their strategy of choice for future software-intensive systems, and that the spiral development model (SDM) is the preferred method/process for software-intensive development life cycles. Electronic Systems Command (ESC) at Hanscom AFB, Massachusetts, has written a draft handbook on the use of Spiral Development for all future Command and Control (C2) systems, including reference to the DoD 5000 series and Air Force Program Directive 63-1, Acquisition System, which deploys this OSD mandate for future C2 systems. Barry Boehm's continued work on SDM which he conceived in the 1980s, is heavily biased toward development of new systems that are software-intensive, as noted in a workshop he gave at the Software Engineering Institute (SEI) in 2000.     

Self-organizing fuzzy learning CLOS guidance law design

A new self-organizing fuzzy logic control (SOFLC) design method is proposed. The proposed method is applied to the command line-of-sight (CLOS) guidance law design. The SOFLC contains two sets of fuzzy inference logic. One is the fuzzy logic controller and the other is the rule modifier. The new learning method of the rule modifier is developed based on a fuzzy learning algorithm. The modification value of each rule is based on the fuzzy firing weight, so that learning of the rule bases is reasonable. Finally, two engagement scenarios are examined, and a comparison between a fuzzy logic control (FLC), an optimal learning FLC, and the proposed SOFLC CLOS guidance laws is made. Simulation results show that the proposed SOFLC guidance law can achieve better guidance performance than the other guidance laws.     

大学英语词汇记忆的策略

研究大学生记忆英语词汇过程中单词遗忘率高的问题。通过元认知策略和认知策略等相关方法来记忆英语词汇,能够使学生在宏观上有意识地规划调整自己的学习,以保证在有限的时间内保质保量完成大学英语词汇的记忆。     

基于STDP奖励调节的类脑面向目标导航

动物具有优秀的空间自主定位导航能力，能够实现在无先验环境信息下的导航定位和导航决策过程。针对智能体在连续空间中面向目标导航问题，研究了一种基于生物学放电时间依赖可塑性学习规则的智能体面向目标导航算法。首先分析了动物面向目标导航决策过程中的生理学机理，在此基础上，构建了基于脉冲神经网络的位置细胞和动作细胞模型。动作细胞间权值采用横向竞争模型更新，通过环境奖励信号的更新，采用放电时间依赖可塑性学习规则对位置细胞前馈动作细胞模型的突触权重进行权值调节，利用动作细胞群的脉冲放电现象表征智能体运动方向和速度。最后，对所提算法进行了仿真实验验证。仿真结果表明，所提出的类脑面向目标导航算法能够在单障碍环境中实现30 ms左右的规划速度，相比传统强化学习Q学习方法平均路径规划长度缩短了15.9%。     

对中国高校“服务学习”现状的认识与反思

澄清了服务学习认识方面的两个误区,阐述了中国高校服务学习的具体分类及其在中国高校的发展现状。研究显示,中国高校服务学习在实践中存在以下问题:专业教师欠缺;组织不规范;学校与社会的联系不够紧密,服务对象的范围狭窄。基于此,提出加强专业教师的培养、健全组织管理、加强与社会各界的沟通与合作等建议。