检索结果-维普期刊中文期刊服务平台

大小模型协同的小样本知识图谱问答问题自动生成方法被引量：1: 1; 作者赵润豪曾维新 +2 位作者唐九阳吴继冰黄宏斌《指挥与控制学报》北大核心 2025年第2期172-180,共9页; 为解决现实知识图谱问题生成技术的低成本部署和生成可靠性的问题,提出大小模型协同的小样本知识图谱问题生成方法,通过构建OODA环思维链和小模型高效部署设计,可支撑资源匮乏作战场景下低成本部署和准确可控生成。该方法的先进性在多... 展开更多; 关键词资源匮乏作战场景大小模型协同 OODA环思维链低成本部署准确可控生成; 在线阅读下载PDF 职称材料

基于大语言模型的知识图谱逻辑规则挖掘框架及应用: 2; 作者程昊翔龚治兴 +4 位作者王浩铭刘世旋张驭龙陈超范长俊《指挥与控制学报》北大核心 2025年第2期202-209,共8页; 提出了一种基于大语言模型的知识图谱可解释规则挖掘框架,并探究了其军事应用。该框架包括规则采样、模型规则生成和规则验证3个步骤,利用大语言模型的自然语言处理能力,高效地产生大量逻辑规则。实验结果表明,该框架在大规模知识图谱Y... 展开更多; 关键词逻辑规则挖掘大语言模型知识图谱武器装备发展预测提示词微调知识图谱补全; 在线阅读下载PDF 职称材料

大模型在兵力推荐中的应用与思考: 3; 作者焦鹏博龚治兴 +2 位作者罗志浩范长俊石建迈《指挥与控制学报》北大核心 2025年第2期137-145,共9页; 大语言模型已在人工智能领域取得了突破性进展,也正在为军事领域带来一场颠覆性的变革。传统兵力资源推荐系统依赖目标与兵力资源的标号以及历史交互数据进行预测,存在数据利用能力差、迁移能力弱、冷启动等问题。为提高兵力推荐系统的... 展开更多; 关键词大语言模型推荐系统兵力资源基本范式; 在线阅读下载PDF 职称材料

基于AdaGrad+的自适应Heavy-Ball动量法及其最优个体收敛性被引量：1: 4; 作者韦洪旭陇盛 +1 位作者陶蔚陶卿《计算机科学》 CSCD 北大核心 2023年第11期220-226,共7页; 自适应策略与动量法是提升优化算法性能的常用方法。目前自适应梯度方法大多采用AdaGrad型策略,但该策略在约束优化中效果不佳,为此,研究人员提出了更适用于处理约束问题的AdaGrad+方法,但其与SGD一样在非光滑凸情形下未达到最优个体收... 展开更多; 关键词凸优化自适应策略 AdaGrad+ Heavy-Ball动量方法收敛速率; 在线阅读下载PDF 职称材料

端云协同离在线强化学习方法及其在兵棋上的应用: 5; 作者施伟黄红蓝 +2 位作者梁星星程光权郑臻哲《计算机工程与应用》 2025年第21期144-156,共13页; 随着军事智能化技术演进,兵棋推演智能决策研究备受关注。针对传统云端集中式决策模式存在的通信延迟、数据安全风险和部署壁垒等问题,提出端云协同混合离在线强化学习框架(Decider),实现基于先验知识与试错数据的融合驱动决策。云端动... 展开更多; 关键词端云协同强化学习离在线强化学习兵棋推演智能决策; 在线阅读下载PDF 职称材料

题名大小模型协同的小样本知识图谱问答问题自动生成方法被引量：1: 1; 作者赵润豪曾维新唐九阳吴继冰黄宏斌; 机构国防科技大学系统工程学院大数据与决策实验室; 出处《指挥与控制学报》北大核心 2025年第2期172-180,共9页; 基金国家重点研发计划(2022YFB3103600) 国家自然科学基金(62302513,62272469)资助。; 文摘为解决现实知识图谱问题生成技术的低成本部署和生成可靠性的问题,提出大小模型协同的小样本知识图谱问题生成方法,通过构建OODA环思维链和小模型高效部署设计,可支撑资源匮乏作战场景下低成本部署和准确可控生成。该方法的先进性在多个公共数据集和军事场景得到验证。为解决资源匮乏作战场景下部署难、生成难以控制的难题提供可行路径。; 关键词资源匮乏作战场景大小模型协同 OODA环思维链低成本部署准确可控生成; Keywords resource-scarce combat scenarios small and large model collaboration OODA loop chain of thought low-cost deployment accurate and controllable generation; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于大语言模型的知识图谱逻辑规则挖掘框架及应用: 2; 作者程昊翔龚治兴王浩铭刘世旋张驭龙陈超范长俊; 机构国防科技大学系统工程学院大数据与决策实验室解放军; 出处《指挥与控制学报》北大核心 2025年第2期202-209,共8页; 基金国家自然科学基金NSFC(62206303)资助湖南省科技创新计划(2023RC3009)资助。; 文摘提出了一种基于大语言模型的知识图谱可解释规则挖掘框架,并探究了其军事应用。该框架包括规则采样、模型规则生成和规则验证3个步骤,利用大语言模型的自然语言处理能力,高效地产生大量逻辑规则。实验结果表明,该框架在大规模知识图谱YAGO上取得最优结果,提高了知识图谱补全任务的效果,验证了大语言模型在逻辑规则挖掘中的作用。; 关键词逻辑规则挖掘大语言模型知识图谱武器装备发展预测提示词微调知识图谱补全; Keywords logic rule mining LLMs knowledge graph forecast of weapon and equipments development prompt tunning knowledge graph completion; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名大模型在兵力推荐中的应用与思考: 3; 作者焦鹏博龚治兴罗志浩范长俊石建迈; 机构国防科技大学系统工程学院大数据与决策实验室解放军; 出处《指挥与控制学报》北大核心 2025年第2期137-145,共9页; 基金国家自然科学基金(72271241,72301290)资助。; 文摘大语言模型已在人工智能领域取得了突破性进展,也正在为军事领域带来一场颠覆性的变革。传统兵力资源推荐系统依赖目标与兵力资源的标号以及历史交互数据进行预测,存在数据利用能力差、迁移能力弱、冷启动等问题。为提高兵力推荐系统的能力与效率,进一步改善目标打击方案决策的科学性与合理性。以兵力推荐过程基本范式为指导,结合大语言模型的强大能力,全面分析了大语言模型在特征工程、特征编码以及评分预测中一个或多个阶段的应用前景,展示了大语言模型从单一辅助技术向综合替代角色的转变,比较了不同应用场景的潜力。总结了大语言模型在兵力推荐系统应用中的机遇与挑战。期望利用大语言模型提供更多的军事智能决策手段,以智能优势弥补技术与兵力建设方面的不足。; 关键词大语言模型推荐系统兵力资源基本范式; Keywords large language models recommender system military force resource basic paradigm; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于AdaGrad+的自适应Heavy-Ball动量法及其最优个体收敛性被引量：1: 4; 作者韦洪旭陇盛陶蔚陶卿; 机构中国人民解放军陆军炮兵防空兵学院信息工程系国防科技大学系统工程学院大数据与决策实验室中国人民解放军军事科学院评估论证研究中心; 出处《计算机科学》 CSCD 北大核心 2023年第11期220-226,共7页; 文摘自适应策略与动量法是提升优化算法性能的常用方法。目前自适应梯度方法大多采用AdaGrad型策略,但该策略在约束优化中效果不佳,为此,研究人员提出了更适用于处理约束问题的AdaGrad+方法,但其与SGD一样在非光滑凸情形下未达到最优个体收敛速率,结合NAG动量也并未达到预期的加速效果。针对上述问题,文中将AdaGrad+调整步长的策略与Heavy-Ball型动量法加速收敛的优点相结合,提出了一种基于AdaGrad+的自适应动量法。通过设置加权动量项、巧妙选取时变参数和灵活处理自适应矩阵,证明了该方法对于非光滑一般凸问题具有最优个体收敛速率。最后在l∞∞范数约束下,通过求解典型的hinge损失函数优化问题验证了理论分析的正确性,通过深度卷积神经网络训练实验验证了该方法在实际应用中也具有良好性能。; 关键词凸优化自适应策略 AdaGrad+ Heavy-Ball动量方法收敛速率; Keywords Convex optimization Adaptive strategy AdaGrad+ Heavy-Ball momentum method Convergence rate; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名端云协同离在线强化学习方法及其在兵棋上的应用: 5; 作者施伟黄红蓝梁星星程光权郑臻哲; 机构国防科技大学系统工程学院大数据与决策实验室; 出处《计算机工程与应用》 2025年第21期144-156,共13页; 基金国家自然科学基金(62073333,72301289)。; 文摘随着军事智能化技术演进,兵棋推演智能决策研究备受关注。针对传统云端集中式决策模式存在的通信延迟、数据安全风险和部署壁垒等问题,提出端云协同混合离在线强化学习框架(Decider),实现基于先验知识与试错数据的融合驱动决策。云端动态筛选高价值样本传输至边缘设备,缓解数据分布偏移问题,加速策略搜索;引入历史动量聚合算法,稳定模型训练。在海空对抗兵棋实验中,Decider策略搜索速度提升超过90%,平均对抗得分提高26%以上,且通信负载降至传统架构的9.5%。; 关键词端云协同强化学习离在线强化学习兵棋推演智能决策; Keywords device-cloud collaboration reinforcement learning offline-to-online reinforcement learning wargame intel-ligent decision-making; 分类号 TP311 [自动化与计算机技术] TP391.9 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	大小模型协同的小样本知识图谱问答问题自动生成方法	赵润豪曾维新唐九阳吴继冰黄宏斌	《指挥与控制学报》北大核心	2025	1	在线阅读下载PDF 职称材料
2	基于大语言模型的知识图谱逻辑规则挖掘框架及应用	程昊翔龚治兴王浩铭刘世旋张驭龙陈超范长俊	《指挥与控制学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	大模型在兵力推荐中的应用与思考	焦鹏博龚治兴罗志浩范长俊石建迈	《指挥与控制学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于AdaGrad+的自适应Heavy-Ball动量法及其最优个体收敛性	韦洪旭陇盛陶蔚陶卿	《计算机科学》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
5	端云协同离在线强化学习方法及其在兵棋上的应用	施伟黄红蓝梁星星程光权郑臻哲	《计算机工程与应用》	2025		在线阅读下载PDF 职称材料