论质量管理中人的因素的重要性

主要通过理论和示例分析论述了在质量管理中的一个重要因素，即人的因素的重要性．并运用质量心理学的理论提出了提高人的责任心、质量意识的几点建议措施。     

深入学习实践科学发展观 推动航天事业发展再攀新高峰

科学发展观，是以胡锦涛同志为总书记的党中央坚持以邓小平理论和“三个代表”重要思想为指导．立足我国基本国情、深入分析我国发展的阶段性特征、认真总结我国发展实践、准确把握世界发展趋势、适应新的发展要求提出的重大战略思想。按照中央的总体部署，从今年3月份开始，中国航天科技集团公司开展了深入学习实践科学发展观活动．通过学习实践活动．中国航天科技集团公司党组深刻认识到．     

安全信息与治理结构

<正>基于安全管理上两个著名的理论——海因法则和墨菲定理,我们可以认识到:安全管理中最科学的方法是从大量的事故隐患着手,通过隐患信息的收集、分析,采取相应的对策,以防止最小的可能性带来最大的严重性,这和古人说的"见微知著"、"防患未然"是一个道理。如何才能察觉这些事故隐患呢?对于南航这样的大公司,必须通过掌握和分析各种安全信息来获取。安全信息是安全管理的核心,但往往安全管理部门很难真实地、及时地得到这些信息。究其原因,是由于总部和基层作为不同利益的代表进行博弈,导致信息滞后、衰减甚至失真。让我们探讨一下信息隐藏行为及其与治理结构的关联。     

基于增量学习的高光谱图像目标检测

高光谱图像目标检测是高光谱图像分析中的重要研究内容之一。本文从经典有效的约束能量最小化算法出发,提出了一种基于增量学习的高光谱目标检测方法。当获得新的样本时,不需要重新计算所有样本的自相关矩阵即可对检测器模型进行更新,减轻了星上有限计算资源的负担。实验结果表明:本文提出的目标检测算法在压制背景光谱的同时可以更好地适应目标光谱,提高了算法的检测性能。     

人工智能在OODA 循环中的应用

当前人工智能(AI) 是商业和工业，甚至军事应用领域中最热门的流行语。军事国防领域也已经将人 工智能发展成为了一种技术，并应用到军事作战和决策系统中。最初OODA 循环是最知名的空战战术模型， 后来发展成为各国空军的作战方法。OODA 循环对于任务的定义和决策过程的理解起到了重要的作用。本文主 要研究了人工智能在OODA 循环决策中的应用。讨论了未来OODA 循环各阶段中所需的AI 作用和技术，包 括可解释的人工智能和基于学习的人工智能。     

基于翻转课堂的混合式学习模式应用研究

混合式学习改善了课堂教学效果,提升了教学效率,也增加了学习机会。翻转课堂作为混合式学习的一种典型模式被广泛使用,本研究为提升高校课堂教学效果,设计了一种翻转课堂教学模式,并对其应用效果进行了研究。研究结合课程特点和在线学习的优势,合理设计翻转课堂,引入成熟的在线学习平台,并同时在理论和实验两种类型的课时中进行翻转,可以有效促进教师教学能力的提升,提升学习效果,改善学生对教师教学的综合评价。     

基于学习的中段反导拦截时间和拦截点预测方法

弹道导弹实时、准确地预测拦截弹的拦截点与拦截时间，是实现中段突防的有效手段。针对弹道导弹中段突防中的拦截点坐标及拦截时间的预测问题，提出了一种基于监督学习的在线预测方法。以拦截弹的主动段关机参数和关机时刻为输入量，建立拦截时间和拦截点预测模型。在多层感知机神经网络的基础上构建有监督学习算法，通过攻防仿真获取拦截弹的参数制作训练数据集，在线下完成网络训练。仿真结果表明:神经网络能够有效在线预测拦截时间和拦截点坐标，预测结果的相对误差分别为0.124 3%和0.128 5%，拦截时间预测结果误差的平均值为0.224 0 s，拦截点预测结果距离误差平均值为2 016.48 m，均满足精度要求。      

面向林火持续侦察的多无人机分布式控制方法

为解决目前面向林火持续侦察多无人机（UAV）协同控制实用性与自主性不足的问题，基于蔓延速度诱导元胞自动机（SVICA）林火蔓延算法、无人机与传感器建模，构建了较为真实的三维多无人机火场侦察仿真环境与侦察效能指标，提出了一种面向林火持续侦察的多无人机双层分布式控制架构，在行动层基于强化学习训练的人工神经网络（ANN），实现了有风条件下无人机自主火场环绕与地形跟随功能，在策略层设计通过时域均匀分布算法进行各无人机空速的离散自主调节，最终达到多无人机林火持续侦察时域分布的均匀性与即时性目的。通过一系列数值仿真实验，验证了所提出的无人机分布控制策略在无人机损失和补充突发情况下的自适应性。基于无人机数量与侦察效能指标关系的实验与研究，定义了无人机出动阈值并验证了无人机长时间出动回收策略。最终实验结果表明，针对林火持续侦察任务，所提出的多无人机分布式控制方法具备一定的有效性与实用性。