一种基于深度学习的智能威胁评估算法

在现代信息化战争中依据战场态势变化进行合理威胁评估，对实现指挥系统自动化具有重要意义。为了克服传统规则算法评估能力的局限，设计了一种基于深度学习的新型智能威胁评估算法。首先设定了防空威胁评估指标选取原则，在此基础上从多个不同角度出发建立了反映空中目标威胁的指标体系，然后构建深度神经网络模型予以解决。新算法的优点在于威胁评估快速可信、易于实现，且对于不断变化的空情威胁可进行持续更新优化。最后，通过典型作战场景的仿真数据验证了模型的有效性和可行性。     

[Zr0.73(Cu0.59Ni0.41)0.27]87Al13合金过冷液相区热塑性成形研究

为探究[Zr_(0.73)(Cu_(0.59)Ni_(0.41))_(0.27)]_(87)Al_(13)非晶合金的热塑性成形性能以及绘制其对应的热加工图谱,用Gleeble3500型热模拟压缩实验机对该非晶合金进行不同参数下的热模拟压缩实验。结果表明,合金在压缩过程中变形行为由牛顿流变演变为非牛顿流变;同时,过高或过低的热加工温度均能导致合金晶化;进一步对数据分析得到该合金在不同热塑性成形参数下的功率耗散图与流变失稳图,并绘制出相应的热加工谱图,谱图分析结果表明,该合金在温度为420与430℃、应变速率为10~(-3) s~(-1)时具有较高功率耗散系数且没有失稳区域,因此,合金可选的热塑性加工参数为温度420～430℃,应变速率10~(-3) s~(-1)。     

变分自编码器模型综述

变分自编码器（VAE）作为深度隐空间生成模型的一种，近年来其表现性能取得了极大的成功，尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一，可以通过学习隐编码空间与数据生成空间的特征映射，进而在输出端重构生成输入数据。梳理了传统变分自编码器模型及其衍生变体模型的发展与研究现状，并就此做了总结和对比，最后分析了变分自编码器模型存在的问题与挑战，并就可能的发展趋势做了展望。