空间变化场景下卫星部组件域适应识别研究

针对小样本限制下卫星部组件识别域适应困难的问题,提出一种变化场景下自适应迁移的目标识别算法.卫星部组件的识别模型框架为YOLO,迁移算法包括3个策略:基于特征关联性的样本加权策略,基于模型的参数自适应策略和最优特征变换自适应迁移策略.基于以上策略,YOLO模型建立域特征空间的相似性,选择性地迁移源域知识,同时在适应过程...     

基于小样本学习的多因素单粒子翻转截面预测

针对空间粒子辐射效应评价中的多因素影响问题,提出了端到端数据驱动方法预测多因素条件下的单粒子翻转截面。首先通过卷积神经网络进行多因素特征提取,接着利用小样本学习匹配网络进行样本间特征融合,最后使用集成学习回归器预测重离子线性能量传输和单粒子翻转截面的关系曲线。在公开文献中提取的2种类型182个样本的小规模数据集上,对该模型进行端到端训练和测试,结果表明:该方法能够有效预测大部分场景下的多因素效应单粒子翻转界面,并能对各因素的重要程度给出量化评价,在国产处理器SM750的案例分析中获得了与重离子辐照实验相当的系统失效率上界。与传统方法相比,这种方法不依赖经验参数,具有更广泛的应用场景。     

Learning Spatial Localization: From Rat Studies to Computational Models of the Hippocampus

In his landmark article, Richard Morris (1981) introduced a set of rat experiments intended “to demonstrate that rats can rapidly learn to locate an object that they can never see, hear, or smell provided it remains in a fixed spatial location relative to distal room cues” (p. 239). These experimental studies have greatly impacted our understanding of rat spatial cognition. In this article, we address a spatial cognition model primarily based on hippocampus place cell computation where we extend the prior Barrera–Weitzenfeld model (2008) intended to allow navigation in mazes containing corridors. The current work extends beyond the limitations of corridors to enable navigation in open arenas where a rat may move in any direction at any time. The extended work reproduces Morris's rat experiments through virtual rats that search for a hidden platform using visual cues in a circular open maze analogous to the Morris water maze experiments. We show results with virtual rats comparing them to Morris's original studies with rats.     

基于遥感图像的无固定标志点卫星自主定轨

目前基于事先选取地面标志点的卫星自主导航可能会造成误匹配和漏匹配,并且不包含地标点的遥感图像也有可能存在导航信息.为了解决这两个问题,本文提出了一种不依赖事先标定地面标志点的自主导航方法,通过YOLOv3深度学习对获得的遥感图像进行目标识别缩小图像匹配区域,将识别后的目标区域进行图像匹配获得匹配特征点及其像平面坐标,最...     

基于机器学习的二次电子发射唯象模型

基于机器学习和深度人工神经网络(artificial neural network, ANN)提出一种二次电子发射唯象模型。利用Vaughan模型生成先验数据集,用于训练生成描述二次电子发射一般规律的先验知识ANN模型,并在不同参数条件下验证了先验知识ANN模型的正确性。然后,分别利用银和铝合金材料的二次电子发射系数实验数据修正先验知识ANN模型,分别得到了描述两种材料的特异ANN模型。测试结果表明,特异ANN模型计算结果与实验结果相比的平均绝对误差较Vaughan模型和Furman模型降低了30%以上,与复合唯象模型精度相当或更高。在小样本条件下测试了二次电子发射ANN模型的正确性,验证了分步训练方式的有效性和二次电子发射ANN模型对于小样本集的适应性。提出的基于机器学习的二次电子发射唯象模型能够避免复杂的参数修正过程,能够基于先验知识提升模型对于小样本的适应性,能够实现二次电子发射系数的连续插值,适于在数值模拟软件中使用。     

基于循环神经网络的卫星姿态执行器故障诊断

针对卫星姿态控制系统执行器机构故障问题,提出了一种基于循环神经网络的故障诊断方法.对卫星姿态控制系统建模,进行故障分析并采集星敏感器和角速度陀螺的连续时刻故障数据.设计六种异构的循环神经网络,对故障数据进行故障诊断和分类,分别从网络深度、反馈单元、激活函数和训练算法对比网络效果.带有门循环单元的(gate recurr...     

基于注意力机制特征重建网络的舰船目标检测

深度学习为遥感领域诸多应用提供了重要的技术支撑,光学遥感图像的舰船目标检测对国防侦察和预警具有重要意义.真实场景中的舰船往往呈不同方向任意排列,且小目标的占比大,经典的深度学习目标检测算法在这种复杂条件下精度低、易漏检.为此,本文设计了基于注意力机制特征重建网络的舰船目标检测算法.首先,通过引入注意力机制对多尺度特征融...     

高职大学生学习心理困扰及自我调适研究

从高职大学生心理健康教育的实际出发,对高职大学生学习心理困扰的现象进行研究,认为高职大学生学习心理困扰主要表现为厌学情绪、学习注意力不集中和考试焦虑症,分析产生学习心理困扰的心理机制,提出帮助他们对学习心理进行自我调适的方法和措施。     

考虑火箭约束的深空探测弹轨道拼接模型

针对深空探测任务轨迹规划中对于运载火箭弹道约束考虑不足、弹轨道拼接设计效率低的现状,建立了考虑运载火箭射向和末级滑行时间约束的弹轨道拼接计算模型,在无引力摄动假设下得到了任意深空出发速度条件下的运载火箭射向和末级滑行时间计算公式。利用该模型分析了弹轨道可成功拼接的集合范围随深空出发速度、发射场地理位置、火箭射向和滑行时间约束范围的变化规律。提出深空出发"赤纬-发射能量"(δ-C3)图方法,可在图上表示指定型号运载火箭深空发射能力可行域,结合深空轨道转移Pork-Chop图方法,可以快速判断该型运载火箭是否适用于特定深空发射任务。依据这一方法,提出了对我国未来深空探测运载火箭射向和末级滑行时间的能力需求。     

基于偏差自适应学习的多传感器信息融合机动目标跟踪

为了保证精确打击机动目标,导弹可以采用主/被动雷达切换探测目标。考虑到作战的隐蔽性和生存性,提出基于多传感器信息融合的被动优先跟踪方法:跟踪开始时,令主/被动雷达同时对目标进行探测和跟踪,将二者的信息进行融合,同时自适应地学习融合结果与二者信息的偏差,经过一段时间学习,融合偏差稳定,此时令主动雷达停止工作,由被动雷达单独工作,而目标的运动信息则由被动雷达的信息和学习得到的融合偏差合成。如果目标机动较大,则定期令主动雷达工作以进一步修正融合偏差。该方法既保证了跟踪的精度,同时又减少了主动雷达的工作时间,从而提高了作战的隐蔽性和生存性。将该方法应用于导弹的目标跟踪,仿真结果表明该方法有效。