国内要闻

▲3月11日,民航局在京召开第二批开展深入学习实践科学发展观活动动员大会。▲3月12日,即日起至年底,民航局空管局协调有关部门在全国范围内开通35     

窦晓璇 戏曲就是我的命

初见窦晓璇,就像一般的"80后"女孩一样,青春时尚,不过一开口说话便立刻透出点儿不一样的调调。聊天聊得久了,我才光然,这不就是京剧里念白的腔调嘛!果真像她自己说的,"我的生活除了京剧就一无所有了",京剧已经融入她的生活,甚至生命。     

浅谈在编译原理教学中促进学生的学习迁移

学习迁移规律是指导教育和学习的一种实用理论,根据对迁移的不同类型及其特点和影响学习迁移的各种要素的分析,结合编译原理课程的特点,按照促进学习迁移的教学原则,在编译原理教学中促进积极学习迁移,有助于培养学生的创新思维和解决问题的能力,有利于培养学生的良好学习品德.     

基于迁移学习的卷积神经网络SAR图像目标识别

针对卷积神经网络中因网络参数随机初始化和参数过多导致的收敛速度慢及过拟合的问题,提出了一种基于迁移学习监督式预训练的卷积神经网络。首先,引入迁移学习的思想,采用小规模数据集作为源域的训练样本,针对源域中源任务进行监督式训练得到预训练模型;然后,构建一个多层的卷积神经网络作为目标域中目标任务的待训练网络,将源域中获得的预训练模型作为该网络的初始参数,大规模数据作为目标域的训练样本进行网络的微调,通过这种基于特征选择的迁移学习,实现源域到目标域的特征信息迁移;针对卷积神经网络中全连接层参数过多的问题,采用卷积层替代全连接层。试验使用美国国防高等研究计划署的移动与静止目标搜索识别（Moving and Stationary Target Acquisition and Recognition,MSTAR）数据集中三类目标数据作为源域样本,十类目标数据作为目标域样本,结果表明该算法的十类目标识别精度达到了99.13%,且具有更快的误差收敛速度。     

航天器姿态稳定强化学习鲁棒最优控制方法

针对外部干扰力矩作用下的刚体航天器姿态稳定最优控制问题,提出了一种在线强化学习的智能鲁棒控制方法。该方法基于自适应动态规划框架,设计单Critic神经网络在线地学习无干扰作用的航天器的最优姿态控制律,并设计一种新的自适应律在线估计Critic神经网络的权值,实现了近似最优的控制性能。在学习的近似最优控制律的基础上,嵌入鲁棒控制量,形成鲁棒智能控制器,并应用Lyapunov理论证明了闭环姿态控制系统是一致最终有界稳定的,且Critic神经网络的权值估计误差是收敛的。相比于采用Actor-Critic神经网络结构的自适应动态规划方法,该方法一方面削弱了对持续激励条件的依赖,另一方面降低了计算复杂度,并保证了姿态稳定控制性能对外部干扰具有较强的鲁棒性。     

基于调制卷积神经网络的空地数据链信道估计

针对复杂环境下空地数据链正交频分复用(OFDM)系统信道估计精度不足的问题,提出了一种基于调制卷积神经网络(MCNN)和双向长短时记忆网络(BiLSTM)结合的信道估计算法。利用最小二乘算法(LS)提取初始信道状态信息(CSI);利用MCNN网络提取初始CSI的深度特征,并对网络模型进行压缩;利用BiLSTM网络对最终CSI进行预测,实现信道估计。利用构建的空地信道模型生成信道系数数据集,实现神经网络模型的训练与测试。仿真结果表明:与传统算法和现有深度学习方法相比,所提出的信道估计算法具有更小的估计误差,高信噪比条件下的系统误码率(BER)性能提升接近一个数量级;由于引入了调制滤波器技术,随着神经网络层数增加,网络模型参数量大幅减少。      

一体化的航空电子专家仿真系统

本文阐述一个集成仿真环境—IESAS系统(Intergrated Expert System For Avionics Simulation),一体化的航空电子专家仿真系统的设计原理和设计方法。论述了仿真系统的一体化,及在一体化的仿真系统中对专家系统的引入,并具体讨论了IESAS中的专家管理系统的组成。在该仿真环境下,用户可以在系统提供的良好的用户界面下进行仿真试验管理和进行仿真结果处理。     

关于提高《模拟电子技术基础》学习兴趣的研讨

缺乏兴趣是学生缺乏学习<模拟电子技术基础>积极性的一个主要原因,本文从作者的教学实践中总结和分析了提高学习兴趣的几个方法,包括适当介绍有关电子技术的历史知识、采用EDA仿真软件进行实践教学、适当提问、组织课堂讨论、理论联系实际介绍实用电子系统等五个方面,这些方法在教学中都收到了不同程度的效果.     

基于近端策略优化的空战决策算法研究

面对未来有/无人机协同作战场景,实时准确的空战决策是制胜的关键。复杂的空中环境、瞬变的态势数据以及多重繁琐的作战任务,使有/无人机协同作战将替代单机作战成为未来空战的发展趋势,但多智能体建模和训练过程却面临奖励分配困难、网络难收敛的问题。针对5v5 有/无人机协同的空战场景,抽象出有人机和无人机智能体的特征模型,提出基于近端策略优化算法的空战智能决策算法,通过设置态势评估奖励引导空战过程中有/无人机智能体的决策行为向有利态势发展,实现在与环境的实时交互中,输出空战决策序列。通过仿真实验对所提空战决策算法进行验证,结果表明：本文提出的算法在经过训练学习后,能够适应复杂的战场态势,在连续动作空间中得到稳定合理的决策策略。