非平稳随机系统动态贝叶斯结构学习关系网

 针对基于图模型自主控制中环境感知问题,提出了连续变量非平稳系统变结构动态贝叶斯网络(DBN)的结构学习模型;讨论了平稳系统常结构DBN学习模型。以上述结论为基础,提出了模糊自适应尺度法用于非平稳系统变结构DBN结构学习,依据非平稳程度函数rb、调节系数m及区间长度Δt模糊推理出步长系数k和窗口系数b,依据具体框架得到变结构DBN,给出了连续变量非平稳系统变结构DBN学习的模型框架和具体算法。仿真结果表明：提出的结构学习框架是可行的。     

带攻击角度约束的深度强化元学习制导律

针对执行机构部分失效的速度时变导弹机动目标拦截问题,本文提出一种基于深度强化元学习和剩余飞行时间感知逻辑函数的攻击角度约束三维制导律.首先,采用基于模型的深度强化元学习方法,建立深度神经网络动力学模型;引入模型预测路径积分控制,该深度神经网络动力学模型作为预测模型;采用元学习方法,在线学习执行机构部分失效及目标机动等环...     

基于时程卷积自编码的机翼绕流特征识别方法

机翼周围的流动状态直接影响其受力特性,流动特征的识别与分析对保证机翼的气动力研究尤为关键。基于空间流场参数的流动特征识别结果受主观阈值影响大;基于流场快照数据的流动特征分析难以完整表征流场的时变特征,且大范围的流场快照获取难度大,因而其实用性受限。本文基于流场时程数据的低维表征模型提出了无监督自动编码的流场时程特征识别方法。采用深度学习技术充分挖掘时程信号中的隐含的流动特征,建立流场时程数据的低维表征模型;进一步对低维的表征编码进行分析,将包含不同时序特征的测点样本进行特征聚类,实现了基于空间点时程数据的流场特征提取与识别。通过对NACA0012翼型的流场进行特征提取与分析验证了所得流动特征低维表征的准确性,实现了基于流场时程数据的流动分离区自动识别。本文可为相关流场特征提取、特征分析和特征表征等问题的研究提供新的方法与参考。     

无人机自主降落标识检测方法若干研究进展

为了进一步促进中国海/陆空跨域协同技术的研究和发展,综述了无人机自主降落标识检测方法的国内外最新研究成果。首先,在分析视觉引导无人机自主降落流程的基础上,简要总结了常用的基于图像分割、基于分类器和基于深度学习的标识检测方法。然后,介绍了无人机自主降落于静平台和车辆、舰艇等动平台的国内外若干研究团队及成果,并对团队采用的降落标识及检测方法进行了梳理。最后,围绕动平台及复杂环境下的标识检测和相关软件算法、硬件设备、多传感器融合等讨论了当前存在的难点和可行的解决方案,对未来克服人工标识依赖性,采用深度学习思想进行非合作环境下的安全区域检测方法进行了展望。     

基于无监督深度学习的红外与可见光图像融合

目前已知的多数基于卷积神经网络的红外与可见光图像融合模型没有充分利用来自可见光源图像的层次特征,因此导致融合图像细节纹理不足。受残差网络和密集网络的启发,提出了一种基于无监督深度学习的图像融合算法来解决融合图像细节纹理信息不足的问题。使用的残差密集块有连续存储机制,最大程度地保留每层的特征信息,局部残差融合和全局残差融合的设计有利于学习图像中的结构纹理。此外,为了更好地保留可见光图像中的细节纹理,引入了生成对抗网络对数据集进行无监督学习。主客观实验表明,该算法不仅获得了良好的视觉融合效果,融合图像具有更多的边缘纹理信息,在客观评价指标上对比现有优秀的算法也较大的提升。     

基于建构主义的立体化外语网络教学模式研究

建构主义十分关注以原有的经验、心理结构和信念为基础来建构知识,强调学习的主动性、社会性和情境性,在建构主义理论指导下的网络教学能够创造一个其他教学媒体和教学环境无法比拟的立体化认知学习环境。     

基于图卷积网络的卷积神经网络耗时预测算法

通过可学习的预测算法获取卷积神经网络(CNN)在硬件上的推理耗时越来越受到研究者的关注。现有耗时预测算法主要面临2个问题：卷积神经网络设计空间采样复杂度高,数据采集成本高;无法准确预测硬件编译器的算子融合技术对推理耗时的影响。为了解决上述问题,提出了一种基于图卷积网络(GCN)的耗时预测算法,将整体网络耗时看作多节点耗时补偿的累加,并利用图卷积对结构算子融合产生的耗时影响进行建模。同时,提出一种新型差分训练方案,减少采样空间规模,提高算法的泛化能力。在HISI3559硬件平台上对MB-C连续空间采样模型的耗时预测实验表明：所提算法可将耗时估计的平均相对误差从传统算法的302%降低到5.3%。另外,通过将传统耗时预测算法替换成所提算法进行耗时评估,可以使网络结构搜索算法搜索到耗时更加接近目标的高精度网络。     

将誓言进行到底!

一面鲜红的国旗,14只紧握的拳头,铿锵有力的誓言久久回荡:"祖国的载人航天事业高于一切,为实现中华民族飞天梦想不懈奋斗!"1998年1月5日,北京航天城。14名来自空军部队的飞行员摘下飞行徽标,     

X-37B迈出艰难的第一步

航天飞机成功飞行后,世界各国一直在推动新一代可重复使用天地往返系统（以下简称＂可重复使用＂）的研究和探索。X-37B一飞冲天,国内外舆论的反响可谓一石激起千层浪。X-37B因其尺寸仅为航天飞机的四分之一,被不少媒体称为小航天飞机,又因其高度机密的军事背景,被更多媒体称为太空无人战机。其实2010年4月22日所发生的一幕,是在技术铺垫和研发积累的＂可重复使用＂的发展背景下,X-37B迈出的轨道试验艰难的第一步,是在战略转型和双管齐下的＂军事化应用＂的发展背景下,X-37B迈出的太空多任务平台雏形的第一步。     

一种基于学习的高超声速飞行器智能控制方法

针对吸气式高超声速飞行器的飞行控制问题,提出一种基于学习的智能控制方法。为便于控制器设计,将飞行器动力学模型划分为速度子系统和高度子系统：为解决速度子系统控制输入受限的问题,提出一种基于强化学习的智能控制方案;对于考虑有限通信资源的高度子系统跟踪控制问题,提出一种基于事件触发的确定学习控制方案。该方案包含离线学习训练和在线触发控制两个阶段。首先在本地离线学习训练阶段获取并存储系统的未知动态知识,随后利用所获取的经验知识设计基于事件触发机制的在线触发控制器。本文所提方案基于学习的思想将离线学习训练获取的智能体和经验知识应用于在线控制,使得所提方案能够快速计算控制指令且通信资源占用少。仿真结果说明了所提出方法的有效性。