基于残缺图像样本的生成对抗网络图像修复方法

针对大面积图像修复缺失严重时，需要完整且高质量训练样本的问题，提出了一种将残缺或含噪图像样本作为训练集的双生成器深度卷积生成对抗网络（DGDCGAN）模型。构建两个生成器和一个鉴别器以解决单一生成器收敛慢的问题，用残缺图像样本作为训练集，通过交叉计算、搜索损失区域类似的图像信息作为训练生成模型的样本，收敛速度更快。鉴别器损失函数改进为输出的Wasserstein距离，使用自适应估计算法优化生成器损失函数和鉴别器损失函数的模型参数，最小化两两图像之间的总距离差，使用鉴别模型和修复图像总距离变化均方差最小化两个指标优化修复结果。在4个公开数据集上进行主客观实验，结果表明:所提方法能使用残缺图像样本作为训练集，有效实现大面积失真图像的修复，且收敛速度和修复效果优于现有图像修复方法。      

过程能力指数计算中的标准差估计

计算过程能力指数时通常采用子样级差或样本标准差来估计总体标准差.实际生产中的一些过程由于刀具磨损等系统原因导致周期性变化,不总处于统计过程控制.通过建立此类长期稳定过程的数学模型,比较了不同标准差估计方法所计算的过程能力指数,分析了产生的原因,并进行了仿真研究.     

样本内变差对过程监控效果的影响及探测方法

控制图要求各个样本中的子样保持同一分布,以保证非系统因素在样本内引起的过程波动最小,同时最大化非系统因素在样本间引起的波动.而当样本中的子样不是同一分布时候,就会导致控制图具有过大的控制线,降低监控的能力.本文旨在分析和比较几种样本内变差的探测方法,并找出在不同情况下最合适的样本内变差探测组合.     

日确认“隼鸟”采到小行星样本

日本宇宙航空研究开发机构（JAXA）11月16日宣布，其“隼鸟”小行星探测器成功带回了采自小行星表面的首批样本。     

基于神经网络的飞行科目模板样本集建立方法

为建立某一飞行科目的模板样本集,提出一套基于神经网络和卡尔曼滤波的数据处理方法。任选一次试飞样本,建立Kohonen自组织神经网络进行参数降维、聚类分析、特征提取等,使样本量缩减90%以上,得到该科目的模板样本集。用处理后的样本训练BP神经网络,对其他未经处理的试飞样本进行载荷预测,误差均在3%之内,说明处理后的样本能代表该科目的数据特点,即为模板样本集。方法可以为飞机载荷监控数据库的完善工作服务。     

应急遥感影像信息快速提取方法探讨

针对应急影像信息快速提取需求,采用对应分析方法,实现最优波段组合和监督分类训练样本的快速选择与提纯,提高应急影像分类精度。对应分析方法分别将波段和像元值设为对应分析的变量与样本,建立波段与像元值间的对应关系,判别各类别相关性最强的波段信息,有效解决监督分类样本不纯、波段间信息冗余的问题。试验结果表明,该方法可快速、准确的筛选样本,分类结果稳定、可靠,适用于快速准确地提取应急影像信息。     

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。     

预防性检测系统设计

导弹贮存期间经历多次测试维修,检测数据繁杂,只有更好地利用其现场数据才能更合理预测导弹寿命及检测时间。结合装备失效率曲线,提出了4种导弹现场检测数据采集方案,设计了一套预防性检测系统。以方案1的数据进行算例分析,结果验证系统的正确性与实用性。     

每月小抄

[2011年3月24日] [生命]科学家通过对20世纪50年代的一项试验结果进行分析，发现火山爆发和闪电可能促进了地球生命形成。研究人员利用现代技术，对1958年美国生物化学先驱史丹利·米勒教授制成的“原生汤”气体样本进行分析。他们在样本里发现大量氨基酸，这是构成生命的基本成分，     

基于BP网络星图识别的样本构造方法

星敏感器是一种高精度的姿态敏感测量系统，如何确定星敏感器上像点在摄影时刻所对应的恒星，即星图识别，是姿态测量的关键。本文根据星图识别问题本身的特点和神经网络技术的特性，提出了基于BP网络星图识别方法的一种可以兼顾性能和效率、利于实现的样本构造方法。