-
题名基于战损预测和排队论的技术保障装备数量需求分析
- 1
-
-
作者
张东
牛刚
梁伟杰
刘强
-
机构
解放军
陆装驻石家庄地区第一军代室
-
出处
《火力与指挥控制》
CSCD
北大核心
2024年第8期40-44,共5页
-
基金
军队科研基金资助项目(LJ20222Z060174)。
-
文摘
针对部队技术保障装备数量需求论证过程中定量分析困难的问题,根据战时技术保障装备运用特点,区分伴随保障和定点保障两种模式分别建立定量分析模型。给出基于战损预测的伴随保障装备数量确定模型;建立考虑维修优先级的装备定点保障排队系统解析模型,通过计算平均排队等待时间分析确定技术保障装备数量需求,并给出相关案例计算结果。为战时技术保障装备数量需求分析提供了方法支撑。
-
关键词
战损预测
优先级排队模型
技术保障装备
数量需求
-
Keywords
battlefield damage prediction
priority queuing model
technical support equipment
quantity requirement
-
分类号
E917
[军事]
-
-
题名基于复合语义特征的事件图谱构建技术研究进展
被引量：3
- 2
-
-
作者
翟利志
李睿祥
杨佳贝
饶元
张岐坦
周云
-
机构
中国电子科技集团公司第五十四研究所
河北省智能化信息感知与处理重点实验室
西安交通大学软件学院
陆装驻石家庄地区第一军代室
-
出处
《计算机科学》
CSCD
北大核心
2023年第9期242-259,共18页
-
基金
河北省智能化信息感知与处理重点实验室发展基金项目(SXX22138X002)。
-
文摘
世界是由无数相互关联的事件组成的,人们的社会活动也往往是由不同的事件来触发和驱动的。针对事件与事件之间关系的演化规律进行研究,不仅有助于人们认识和了解社会事件的演化规律与模式,同时也为基于人工智能的机器推理与思考提供了重要的决策支撑,并且已成为目前人们关注的研究前沿和新焦点。与传统的知识图谱不同,事件图谱是以现实世界中的抽象事件为节点,以不同事件之间的状态变化或动作序列等形成的逻辑关系来构建复合语义特征的知识网络,并在更高层语义条件下,通过抽象复杂的事件与事件间隐含的逻辑关系,刻画出事物发展演化的行为规律。在事件图谱构建方法的基础上,围绕开放域事件抽取、建立通用的事件标准、事件间关系抽取、事件图谱的融合与加工,以及事件图谱的表示学习等关键技术问题展开深入分析,并对目前相关领域中存在的核心技术、常见的评测数据集以及相关指标进行综述与总结,并对未来发展的新方向进行了展望。
-
关键词
知识图谱
事件抽取
关系抽取
事件图谱
表示学习
-
Keywords
Knowledge graph
Event extraction
Relation extraction
Event graph
Representation learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于联合域适应的异构样本增强网络
- 3
-
-
作者
任一夫
翟利志
白洁
高学攀
刘强
刘金海
-
机构
中国电子科技集团公司第五十四研究所
河北省智能化信息感知与处理重点实验室
陆装驻石家庄地区第一军代室
东北大学信息科学与工程学院
-
出处
《控制工程》
CSCD
北大核心
2023年第9期1737-1742,共6页
-
基金
河北省智能化信息感知与处理重点实验室发展基金项目(SXX22138X002)。
-
文摘
域适应网络在样本增强领域应用受限,其根源在于领域的不同会加剧样本空间分布的差异。针对上述问题,提出基于联合域适应的异构样本增强网络。具体而言,异构域维度对齐子网中的支持域样本,在实现异构领域中样本维度对齐的同时,还嵌入了领域的分布知识,提高了后续异构域分布匹配的表现。此外,异构域分布匹配子网联合匹配了异构领域的边缘分布和条件分布,并嵌入了自适应机制,从而保证了联合域适应网络的匹配精度。由此,其他领域的样本通过上述设计的基于联合域适应的异构样本增强网络,能够被可靠地用于增强当前领域中的小样本。该网络在业界公认的田纳西-伊斯曼数据集上进行验证,实验结果表明了该网络的有效性。
-
关键词
小样本
迁移学习
域适应
样本增强
-
Keywords
Small sample
transfer learning
domain adaptation
sample enhancement
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名具有传递式探索能力的遥远域样本增强方法
- 4
-
-
作者
任一夫
翟利志
刘强
刘金海
-
机构
中国电子科技集团公司第五十四研究所
河北省智能化信息感知与处理重点实验室
陆装驻石家庄地区第一军代室
东北大学信息科学与工程学院
-
出处
《控制工程》
CSCD
北大核心
2023年第6期1129-1136,共8页
-
基金
河北省智能化信息感知与处理重点实验室发展基金项目(SXX22138X002)。
-
文摘
小样本问题是数据驱动建模的公开难题。域适应(domain adaptation,DA)方法将样本知识从源域迁移到目标域来实现小样本增强,然而已有方法在实际应用中受限,其根源在于缺乏对分布差异较大的领域(遥远域)的有效探索机制。由此,提出具有传递式探索能力的遥远域样本增强方法。首先,提出样本特征多维正交分解策略,以可靠地获取不同维度的样本知识;然后,提出传递式探索策略,以能够在不同维度中有效地探索遥远域样本,并缓解负迁移。将该方法在业界公认的田纳西-伊斯曼数据集上进行验证,实验结果表明,该方法在遥远域中的建模表现优于其他方法。
-
关键词
小样本
数据驱动建模
域适应
样本增强
-
Keywords
Small sample
data-driven modeling
domain adaptation
sample enhancement
-
分类号
TM351
[电气工程—电机]
-
