摘要：针对装备试验鉴定领域数据复杂性带来的数据治理难题,提出通过构建知识图谱辅助相关试验鉴定机构开展数据治理的技术思路。分析试验鉴定任务与领域数据特点,在斯坦福本体构建流程的基础上,设计了一种具有试验鉴定领域普适性的本体构建方法。基于该方法构建的知识图谱本体模型,具有明确的业务针对性与体系拓展性。最后,通过典型示例验证了该方法构建知识图谱,对试验鉴定领域数据治理工作具有一定的支持能力。

摘要：针对电力信息物理系统(CPS)体系复杂、网络耦合、易损性分析困难这一现状,以近年来国内外电力系统毁伤相关研究成果为基础,构建了电力CPS的毁伤树模型.根据电力CPS节点重要性与故障级联毁伤特性,提出了一种基于节点重要性的电力CPS易损性分析方法,构建了易损性评估模型,并结合实例进行了分析说明.结果表明,该模型可用于电力信息物理系统的生存力研究,为目标抗毁伤结构设计提升提供支撑.

摘要：对网络生存性相关文献进行系统分析,跟踪美军相关做法,结合军队现实情况,提出装备网络生存性的概念,并给出装备网络生存性的指标框架和评估模型,以及装备网络生存性试验考核的基本原则和科目设计思路,实现了对装备网络生存性及其试验考核工作的初步探索。随着信息化、智能化的快速发展,装备融入网络空间越来越深,对网络空间的依赖也越来越强。同时,网络攻防技术也得到了快速发展,网络威胁构成了装备遂行使命任务无法回避的现实挑战。美军等军事强国纷纷将网络生存性作为装备网络安全能力的重要内容进行突出建设,军队也初步提出相似的建设要求。

摘要：复杂环境下的低照度图像具有光照分布不均、多光源叠加作用等特点,导致增强后的图像真实性不足、图像噪声增加等问题。针对低照度图像的特点,提出了一种基于深度注意力机制的低照度图像增强方法。设计生成对抗全局自注意力低照度增强网络(GSLE-GAN)以实现低照度图像的增强。在生成器中设计并使用注意力模块,提高模型对于光照分布特点的提取能力以及生成图像的真实性,采用局部鉴别器与全局鉴别器共同作用的方式使图像具有更丰富的细节信息,使用非配对数据及对模型进行训练,以提升模型的鲁棒性并进一步保证生成图像的真实性。通过对比实验,证明了文中所提方法的优越性,并在目标检测任务中证明了方法的有效性。

摘要：为了提高无人机编队的智能性,使之能够在有障碍物的复杂环境中自主决策,该文提出了基于深度强化学习的多无人机自主决策算法。考虑到多无人机自主决策环境的复杂性,给出二维条件下的无人机和障碍物模型。运用强化学习的相关知识,对无人机的动作进行实时规划,使无人机编队可以尽可能地躲避障碍物,并最终到达目标区域。运用Python实现了多无人机自主决策的仿真实验,证明了MADDPG算法的有效性和高效性。