面向异构场景的智能运维联邦学习算法

面向航天器等核心设备设计智能运维方法是构建自主运维能力的关键.得益于机器学习技术的发展,近年来出现的数据驱动智能运维方法极大提升了设备自主能力.然而,航天器设备日益呈现集群化的趋势,传统的智能运维方法面临分布式建模和隐私保护2个关键挑战.利用联邦学习框架构建智能运维模型是解决上述挑战的一种可行思路.航天器设备通常处于计算、通信等资源极为受限的工作环境,不同设备在数据分布、计算能力等方面呈现明显的异构特点,会极大影响联邦学习的性能.因此,针对上述异构特点,利用模型聚簇的思想,设计异构场景下的联邦学习方法,支持各航天器节点间的训练节奏调整,减少不同节点间的同步等待时间,支持面向各节点特征的模型构建,提升运维模型的构建性能.实验结果表明所提出的方法是有效的.     

空中交通管制多媒体学习系统

一前言近几年来,随着航空运输业和现代科学技术的飞速发展,特别是新航行系统（CN／ATM）计划的实施,空中交通管制系统将面临重大变革。通信、导航、监视、气象等空管保障系统将采用更新的技术,将具有更高的可靠性。我国的空中交通管制手段也将逐渐从程序管制过渡到雷达管制,营运的民航飞机近几年来在机型和性能方面也发生了较大的变化。这些因素对空中交通管制员培训将产生重要影响,在实施管制培训的过程中,不仅要求管制员掌握各种管制手段的技能和管制用语的标准化,而且要求他们掌握现代飞机、空管保障系统的基本性能。但现行的…     

基于EfficientDet的无预训练SAR图像船舶检测器

针对多尺度、多场景的合成孔径雷达(SAR)图像船舶检测问题,提出了一种基于EfficientDet的无预训练目标检测器。现有的基于卷积神经网络的SAR图像船舶检测器并没有表现出其应有的出色性能。重要原因之一是依赖分类任务的预训练模型,没有有效的方法来解决SAR图像与自然场景图像之间存在的差异性;另一个重要原因是没有充分利用卷积神经网络各层的信息,特征融合能力不够强,难以处理包括海上和近海在内的多场景船舶检测,尤其是无法排除近海复杂背景的干扰。SED就这2个方面改进方法,在公开SAR船舶检测数据集上进行实验,检测精度指标平均准确率(AP)达到94.2%,与经典的深度学习检测器对比,超过最优的RetineNet模型1.3%,在模型大小、算力消耗和检测速度之间达到平衡,验证了所提模型在多场景条件下多尺度SAR图像船舶检测具有优异的性能。      

绳系拖曳飞行器高抗扰轨迹跟踪控制

针对受未知风扰动作用下的绳系拖曳飞行器轨迹精确控制问题,设计了一种基于最小学习参数神经网络估计器的拖曳飞行器轨迹动态面控制方法。首先,结合绳系拖曳系统多刚体动力学模型,构建拖曳飞行器六自由度非线性模型,并完成其仿射非线性化处理。其次,考虑到拖曳飞行器可能受到前方飞机尾涡、紊流和阵风等未知气流及不可测量瞬变缆绳拉力等扰动的综合影响,构建了基于最小学习参数神经网络的拖曳飞行器状态/扰动在线估计器,以准确重构系统不可测量集总扰动。然后,基于所提状态/扰动在线估计器,设计了一种基于最小学习参数神经网络状态/扰动在线估计器的拖曳飞行器轨迹动态面控制方法,并分析了系统稳定性。最后,仿真表明,所提方法能够在多重气流扰动下实现拖曳飞行器位置稳定和机动轨迹跟踪。      

基于深度学习的雷达辐射源识别算法

为解决雷达辐射源识别中特征提取困难、低信噪比条件下识别效率低的问题,提出了一种基于一维卷积神经网络和长短期记忆网络的深度学习智能识别算法,构建了一个CNN-LSTM网络,能实现对不同脉内调制方式雷达辐射源的端到端识别.该网络首先利用卷积层学习信号局部特征,然后将卷积层输出的结果输入长短期记忆网络,学习信号的全局特征,最...     

基于案例学习的Lanchester方程在海战中的应用

分析了传统的Lanchester方程在分析作战动态过程中,求取兵力损耗率系数时有一定的局限性。介绍了以Lanchester平方律的作战过程为研究对象,通过作战序列引理的介绍,建立了基于案例学习的Lanchester方程定理,提出的一种新的兵力损耗率系数的求解理论与方法,实例证明该算法是有效的。     

一种新的联想记忆系统及其学习收敛性

提出了一种新的联想记忆系统--基于牛顿前向插公式的联想记忆系统(NFI AMS),用以实现在任意阶多变量多项式函数的高精度逼近,设计了相应的学习方法,并证明了在通常情况下对于任意多变量连续函数,NFI-AMS的学习总是以任意精度收敛的.该系统较之传统的CMAC类型的AMS,具有所需供学习的样本点较少,学习精度高和存储单元空间较小的优点,且比多层BP网络具有学习算法简单和收敛速度快的特点,可望在智能控制与信号处理,模式识别中得到应用.     

基于校园网模具学习系统的研究

主要介绍基于校园网模具学习系统的web数据库系统的设计与实现。该系统将网络教学平台、网络考试系统、BBS、信息管理系统集于一身,其中智能体模块在系统中的应用使各功能模块联结成一个有机整体,服务于模具专业教学的各个方面。     

基于过程神经网络的热平衡温度预测研究

为缩短航天器热平衡试验周期，以降低航天器研制成本，提出了一种基于过程神经网络的热平衡温度预测模型。为简化该模型的学习过程，提出了一种基于正交基函数展开的基本学习算法，利用基函数的正交性不仅可以简化模型中的时间累积运算过程，而且能提高模型对解决实际问题的适应性。同时，为增强模型的外推预测能力，在基本学习算法的基础上给出了一种基于新增样本的学习算法，使模型既能对新增样本进行快速学习又不损失对原有样本的记忆。实际应用表明，该预测模型能够利用某型号卫星热平衡试验中某监测点进入稳定工况后40小时内的试验数据提前42．5—68小时获得该监测点的极限热平衡温度。