A New Method with High Confidence for Validation of Computer Simulation Models of Flight Systems

Computer simulation models may by used to gain further information about missile performance variability. Model validation is an important aspect of the test program for a missile system. Validation provides a basis for confidence in the model's results and is a necessary step if the model is to be used to draw inference about the behavior of the real missile. This paper is a review of methods useful for validation of computer simulation models of missile systems and provides a new method with high degree of confidence for validation of computer simulation models of missile systems. Some examples of the use of the new method in validating computer simulation models are given.     

系统仿真的发展沿革与展望

本文对系统仿真技术的发展作了扼要的历史回顾，着重介绍了仿真技术近期发展的基础、社会需求和今后发展趋势     

一种雷达系统效能的综合评估模型

根据雷达的基本任务和功能,将雷达评估指标分为探测能力、定位能力、抗干扰能力、生存能力、数据处理能力、目标识别能力及可用性等七个方面,建立了雷达评估指标体系,并对评估指标进行了具体量化,建立了评估指标的数学模型,给出了雷达系统的效能综合评估模型,为雷达装备的论证、研制、生产及改造提从了辅助的决策依据。     

系统论视阈下的社会保障制度及其构建

作为维护我国社会稳定的一项基本民生制度,社会保障制度的构建和完善是一项复杂的系统工程,必须以系统论为指导,坚持整体协调,构建完备社会保障体系;坚持结构优化,形成效率高、功能好的运行系统;坚持层次分明,构建不同保障水平的多层次、多支柱社会保障项目;坚持动态发展,使得社会保障不断调整与完善,适应经济社会发展需要。     

基于改进OMP算法的稀疏目标微波关联成像方法

利用稀疏重构类方法进行雷达微波关联成像时,传统的正交匹配追踪(orthogonal matching pursuit,OMP)算法在每一次迭代过程中均需要求解目标函数的最小二乘解,导致成像算法计算复杂度随矩阵规模和迭代次数增加而急剧攀升.针对此问题,结合频率捷变思想,提出了一种改进OMP算法的稀疏目标微波关联成像方法....     

用MATLAB实现信号与系统课程的教学实践

以采样定理为教学实例,利用MATLAB实现《信号与系统》课程的实践教学,给出了临界采样、欠采样和过采样情况下采样信号及其重构或恢复原信号的过程。通过教学实践,学生充分理解和掌握《信号与系统》知识点,解决实际问题的能力得到提高。     

经前内入路定位的前交叉韧带股骨骨道长度和前内入路位置的关系

 在前交叉韧带重建中，足够的股骨骨道长度对于移植物的固定强度和韧带化过程非常重要。对6名青年健康志愿者的膝关节进行高分辨率核磁扫描，通过测量核磁三维重建的模型发现，在股骨骨道位置为I.D.E.A.L.点的情况下，骨道外口越高，或股骨骨道角度越大，其骨道长度越长；某一骨道长度的骨道外口在股骨外髁的外侧皮质上呈现连续的曲线分布，30、35和40 mm骨道的平均最大股骨骨道角度分别为17.2°±8.6°、31.6°±9.1°和41.4°±8.8°。因此，除股骨和髁间窝大小等解剖因素外，前内入路位置和股骨骨道位置的相对关系决定了股骨骨道的长度。对于固定的股骨骨道位置，要获得更长的股骨骨道，需相对位置更低的前内入路，使用下方辅助入路或增大屈膝角度可以明确的延长股骨骨道。     

一种基于深度网络的视图重建方法

为了解决在仅有单目视图的环境下实现立体匹配的问题，在现有视图重构网络模型Deep3D的基础上，提出了基于加权局部对比归一化约束的全卷积重构模型.该模型采用改进的全卷积神经网络架构作为模型的特征提取模块，以期减少训练参数，降低训练时间，增加模型的非线性.为了进一步提高重构精度，设计了新的基于加权局部对比归一化的约束条件，并采用结构相似性成本(SSIM)与L1成本相结合的损失优化函数对模型进行优化.在KITTI 2015数据集上展开实验，并与Deep3D模型及其后续的改进方法进行比较.实验结果表明，在只使用左视图作为训练数据的情况下，生成的右视图在SSIM和峰值信噪比两个指标上有很大提升，能够满足立体匹配方法中右视图的精度要求.     

隐私保护频繁项集挖掘中的分组随机化模型

通过对隐私保护频繁项集挖掘问题的研究,发现现有的单参数随机化回答模型调控的数据范围宽、粒度粗,导致无法实现精细化、差异化的隐私保护的问题.在沃纳模型、单参数等随机化模型的基础上,提出个体分组多参随机化P_N/g模型,给出其在隐私保护频繁项集挖掘中的支持度重构方法.研究结果表明:该模型面向多样化、差异化的隐私保护需求,将N个不同个体分为若干组,每组设置不同的随机化参数,可实现差异化的隐私保护效果.实例分析表明:结合所提出的支持度重构方法,可实现基于分组随机化的隐私保护频繁项集挖掘,在保护不同群体隐私的同时,挖掘到有效的频繁项集与关联规则.     

基于深度学习的脑微观结构重建

为了研究脑运行机制以实现类脑智能,我们引入深度学习工具系统解决突触级脑微观重建中大数据自动分析的难题,包括:密集神经元重建、单根神经元追踪、关键细胞器检测和重建.其中我们使用带有候选区域(region proposal network,RPN)的全卷积网络(fully convolutional networks,FCN)检测线粒体和突触,结合SPPUnet(spatial pyramid pooling U-net)网络框架和MultiCut算法进行神经元的重建,各部分在量化分析和视觉上取得了较好的结果.重建工作为学术界开展高通量的突触尺度脑微观结构重建提供有效支持.