投资可靠性初探（三）——正常市场经济条件下的需求预测及抑制投机炒作的釜底抽薪

指出在正常的市场经济条件下．由政府组织．运用20世纪发展起来的种种市场需求预测技术，对市场需求作出较正确的预测，并引导、指导、协调投资，是可能的。因此，景气-不景气周期不是不可避免的。但投机炒作引起的泡沫需求破坏力极大．是误导投资、造成萧条的主要原因，本次股灾中，股市的投资收益率X的可靠性为P（X≥10．3）〈40％。为此，对投机炒作要釜底抽薪。重点之一是抑制对贷款担保的抵押品的泡沫，加强贷款、债券的可靠性。重点之二是抑制金融衍生工具的杠杆系数．降低贷款、债券的风险，使之不能形成多米诺骨牌效应，掀不起大浪。这样可大大降低投机炒作的能量。     

一种基于SPWM方法的三相变频逆变电源

给出了一种新的SPWM控制算法。采用该方法可以很方便的实现SPWM变频逆变的控制,并以增强型高速51单片机W77E58为主处理器构成系统,实现了三相变频逆变电源。该电源具有频率、电压的调节、指示及过流保护等功能。     

日本福岛第一核电厂安全性设计的若干反向需求的致命缺陷

反向需求定义为"产品在不期望但又可能出现的非正常输入的情况下,能有正确的反应"。本文从反向需求的完备性入手,对日本地震引起的福岛第一核电厂安全性设计及后续维护保障等一系列问题进行分析,并从反向需求角度分析该核电厂反向需求的缺陷,希望对我国核电站及其它大型工程的建设及运行有一定的借鉴意义。     

论组织的量化质量管理(六)——3F

3F(FRACAS、FMEA、FTA)技术。对出现的故障(缺陷)要按FRACAS进行处理。要"需求牵引",尽可能使利益相关方的需求完备,还应充分考虑反向需求,提出潜在需求。对需求(包括潜在需求)及设计进行FMEA,对多个故障(缺陷)同时出现会导致严重(安全)后果的事件作FTA分析。     

论组织的量化质量管理(七)——质量信息及知识管理,持续改进及创新

质量信息及知识管理是组织为达到卓越绩效的重要工作内容。要建立质量信息及知识平台和数据库。古为今用,洋为中用,吸取出现过的故障(缺陷)的经验教训。ISO 9000的八项原则的第六条,明确组织要持续改进,且形成制度。为适应环境的不断变化,要进一步从改进发展到创新。发展创新是世界经济可持续增长的要求,要实施创新驱动发展战略。     

对抗黑盒攻击的混合对抗性训练防御策略研究

随着深度学习模型在无人驾驶等安全敏感性任务中的广泛应用,围绕深度模型展开的攻防逐渐成为机器学习研究的热点。黑盒攻击是一种典型的攻击场景,在攻击者不知道模型具体使用结构和参数等情况下仍能进行有效攻击,是现实场景中最常用的攻击方法。因此,分析深度学习模型的脆弱性并设计出更加鲁棒的模型来对抗黑盒攻击成为迫切需要。而传统基于单模型的单强度和多强度对抗性训练方法,在抵御黑盒攻击时性能十分有限;基于多模型的集成对抗性训练方法在抵御高强度、多样化攻击样本效果也不理想。本文提出一种基于贪婪强度搜索的混合对抗性训练方法,实验结果表明,所提出的混合对抗性训练能够有效抵御多样化的黑盒攻击,性能优于传统的集成对抗性训练。     

基于螺旋理论的环形桁架式可展天线构型综合

基于螺旋理论针对环形桁架式可展天线机构的构型综合问题进行研究，首先概述基于螺旋理论的约束综合法，然后分析环形桁架可展天线机构的收展原理，将环形桁架机构分为上下环形边两部分，通过综合环形边机构并连接上下环形边便可得到环形桁架机构；采用移动副(P)来描述各个节点花盘的运动特性，通过基于螺旋理论的约束综合法针对环形边支链机构进行分析与综合，得到了16种约束支链机构，通过分析与优选得到了两种约束支链机构；采用综合得到的约束支链机构组合得到了环形边链路机构并通过连接组合与推演得到了四种环形桁架可展开机构；最后针对综合得到的四种环形桁架机构在Solidworks软件中进行了三维建模与运动仿真，校验了各机构的可展性。本文的研究为可展天线机构的构型综合提供了一种新思路，综合得到的几种环形桁架机构在空间可展开天线领域具有较好的应用前景。     

Bu-NENA/PBT推进剂安全性能

开展了增塑剂品种、固体填料含量对Bu-NENA/PBT推进剂安全性能影响研究,炸药HMX和增塑剂Bu-NENA含量对Bu-NENA/PBT推进剂危险等级影响研究及钝感Bu-NENA/PBT推进剂综合性能评价。研究结果表明,Bu-NENA可显著降低PBT推进剂的机械感度,HMX含量控制在13%以下,Bu-NENA含量控制在12%以下,Bu-NENA/PBT推进剂危险等级评定为1.3级,Bu-NENA/PBT推进剂理论比冲大于267 s,玻璃化温度Tg为-65℃,-60～70℃宽温力学性能优良。     

一类组合神经网络在协同空战分析中的应用

为了在恶劣、复杂的协同空战环境里帮助飞行员进行更有效的决策，在其指挥级，提出了一类有／无教师组合神经网络－ＰＢ－ＳＯＦＭ网络，并用它来完成目标分析和攻击排序。对于典型的２：４空战，给出了ＢＰ－ＳＯＦＭ网络的结构，并探讨了各个子网的训练和测试方法，及该组合神经网络的使用方法。设计并实现了一个基于ＢＰ－ＳＯＦＭ网络的多机协同空战仿真系统。仿真结果表明，该系统是可行的。