脉冲星候选样本分类方法综述

脉冲星搜索是射电天文学中的重要前沿领域。随着现代搜索设备性能的不断提升,可以接收到更弱的信号,如何从海量信号中准确地识别出脉冲星疑似信号成为一个挑战。介绍了国内外关于脉冲星候选样本分类方法的发展历史和发展状态,归纳总结了发展过程中各个阶段的处理方法:人工识别方法和机器学习方法;最后对未来的发展趋势进行了分析。     

基于电路仿真和正态假设的小样本多试验环境下产品性能可靠性评估

针对电子产品设计验证阶段性能试验的多环境状态、小样本特点,在正态分布假设条件下,提出了基于Pspice电路仿真的性能评估方法,运用Pspice软件中的瞬态分析、Monte-Carlo分析和温度分析获得了各环境状态下的性能仿真数据,进而获得了环境因子的仿真结果;利用环境因子将多试验状态下的试验数据折算为正常状态下的性能试验数据,基于折算后性能试验数据实现了产品的性能可靠性评估。最后,以某型装备上的稳压电源为例说明了本文方法的有效性和实用性。     

基于改进加权响应面的结构可靠度计算方法

在结构可靠度分析中,响应面法由于具有良好的适用性和可操作性,是目前广泛使用的基于代理模型的分析方法。针对响应面法的计算效率和精度难以平衡兼顾等难点问题,提出一种基于改进加权响应面的结构可靠度计算方法。首先,在迭代过程中,同时考虑样本点与验算点距离、极限状态函数值、联合概率密度函数值3个权重因子对样本点进行赋权,采用加权回归并重复利用已有样本点更新不含交叉项的二次多项式响应面函数。其次,在迭代收敛后,选取已有样本点中权重较大的样本点加权拟合含有交叉项的二次多项式响应面函数。最后,结合数值算例和工程案例,通过与传统抽样方法和其他响应面法进行对比,验证了改进加权响应面法的可行性。结果表明所提方法具有较高效率的同时也保证了精度。      

基于记忆关联学习的小样本高光谱图像分类方法

高光谱图像（HSI）分类是遥感领域的基础应用之一。该任务旨在根据部分带类别标签的像素样本训练分类器,预测图像中剩余像素对应的类别标签。在实际应用中,由于人工标记样本成本过高,只能获得少量带标签的样本。针对少量样本无法准确描述数据分布从而导致训练过程过拟合的问题,提出一种基于记忆关联学习的小样本高光谱图像分类方法。考虑到无标签样本中包含大量与数据分布相关的信息,构建基于有标签样本记忆模块,并根据样本间的特征关联,利用不断更新的记忆模块学习无标签样本的潜在类别分布,构建无监督分类模型,并与传统的有监督分类模型进行联合学习。在多个高光谱图像分类数据集上的实验结果表明,所提方法能有效提升小样本高光谱图像分类的准确性。      

飞行器气动参数估计不确定度评价方法研究

为了有效地利用飞行器气动参数估计结果,必须同时给出估计结果的不确定度,因此研究了不确定度评价方法.当试验样本较多时,样本标准差具有明确的统计含义,比分散度能够更好地描述参数估计的不确定度.对于单个试验样本,基于不确定度椭球导出的C-R(Cramer-Rao)界是参数估计不确定度最好的理论预测,但利用飞行实测数据得到的C-R界普遍比样本标准差小.鉴于此,通过在低频有色噪声的基础上构造白噪声的方法,得到了一种C-R界修正方法,并通过仿真算例验证了修正方法的正确性.最后,将C-R界修正方法应用于飞行实测数据,得到的修正C-R界与利用多次飞行试验参数估计结果计算的样本标准差比较一致,表明该修正方法能够较好地给出参数估计的不确定度区间.     

自助法中若干问题研究及其在命中精度评估中的应用

在小样本的试验评估中,自助法是一种较优的小子样方法。本文在简要阐述自助法的基础上,深入分析了自助法应用中存在的若干问题,如再抽样样本的获取方式、再抽样样本量、各样本数据容量和适用范围,并给出了自助法的实施步骤,最后比较了自助法和落入概率点小样本方法在命中精度评估中的应用效果,指出了自助法的优点。     

考虑FDR的测试性测定试验及其相关方法

针对装备研制过程中,缺乏试验手段测定产品测试性水平,确定其与规定要求间的差距的情况,界定了测试性试验和测试性测定试验的概念,在仅考虑测定故障检测率(FDR,Fault Detection Rate)的情况下,研究给出了基于功能相关特征矩阵和重要度特征的故障特征建模方法,构建了二元组故障特征模型,用于测定FDR试验的试验样本选取.在该种试验样本选取方法中,为了减少进行故障注入试验时,注入不同故障样本的工作量和复杂度,充分考虑了试验样本间的等效关系,定义了等价集合和等效样本的概念,并在此基础上给出了考虑等效样本存在的试验结果评估方法.该研究在某型导弹飞控系统中取得了很好的应用.      

带空间结构的人工神经网络建模方法

将遍历搜索法引入带空间结构的人工神经网络模型,提出一种新的模型估计和空间数据样本外预测方法。该方法基于人工神经网络,结合空间自回归模型思想,在网络模型中引入空间滞后项来考虑变量的空间效应,提出使用遍历搜寻最优解的方式替代传统极大似然法进行空间自回归系数估计和建模。结合样本外数据和空间结构,扩展空间权重矩阵并代入所提模型进行样本外预测,充分发挥了人工神经网络模型泛化能力强的特点。仿真分析指出:在合理考虑空间效应的情况下,所提模型的预测效果较普通人工神经网络有显著提升;而且当空间变量间存在非线性关系时,所提模型的预测精度同样优于空间自回归模型。      

基于深度学习的对抗攻击技术综述

尽管深度学习模型在很多领域表现优异,但是研究表明其本身容易受到对抗样本的攻击,在模型实际部署的时候存在安全隐患。因此,在深度学习安全领域研究对抗样本非常重要。对计算机视觉领域中对抗攻击技术的现有成果进行了详细综述。首先介绍了对抗攻击的定义、分类标准以及发展,然后对比分析了现阶段经典的白盒和黑盒攻击方法,最后使用MNIST、CIFAR-10数据集对经典的攻击方法进行了实验验证。