一种基于深度学习的军事想定文本自动解析方法

    公开(公告)号:CN115659952A

    公开(公告)日:2023-01-31

    申请号:CN202111515766.X

    申请日:2021-12-13

    Abstract: 本申请实施例公开一种基于深度学习的军事想定文本自动解析方法,包括:对军事想定文本数据样本进行处理标记,得到标记样本;对Web资源中的军事想定相关领域的主题进行词频分析得到第一解析词典,再对所述标记样本进行遍历得到第二解析词典,所述第一解析词典和第二解析词典组合生成解析词典;根据所述解析词典对需要解析的军事想定文本进行关键词抽取,并使用Bi‑LSTM‑CRF模型进行补充关键词抽取,得到抽取关键词;对所述抽取关键词进行分类预估,得到关键词分类;根据所述抽取关键词和关键词分类生成军事想定文件。本申请提升了大型军事想定文件的开发效率、可重用性及可扩展性,在一定程度上改进了传统想定开发方法存在的缺陷。

    一种改进的自适应双幂次趋近律的方法、装置及存储介质

    公开(公告)号:CN113433823A

    公开(公告)日:2021-09-24

    申请号:CN202110504021.7

    申请日:2021-05-10

    Abstract: 本发明公开一种改进的自适应双幂次趋近律的方法、装置及存储介质,该方法包括:S10、根据系统特性及控制目标设计滑模面;S20、设计滑模面的自适应双幂次趋近律;S30、设计自适应双幂次趋近律中自适应增益的更新律;S40、根据系统性能和控制目标对所述自适应双幂次趋近律和所述自适应增益的更新律中的各个参数进行调节。相比于传统的双幂次趋近律,本发明所述方法能够确保系统轨迹在距离滑模面较远时具有更大的增益,同时也确保系统轨迹在接近滑模面时增益不会小于某一个下限值,从而有效缩短收敛时间,使系统具有更快的收敛速度;并确保系统轨迹在接近滑模面时增益减小,从而避免系统轨迹对滑模面的穿越,有效削弱了抖振现象。

    一种基于抽象精化的逆向推演学习方法、装置和存储介质

    公开(公告)号:CN118780166A

    公开(公告)日:2024-10-15

    申请号:CN202410901409.4

    申请日:2024-07-05

    Abstract: 本发明公开了一种基于抽象精化的逆向推演学习方法、装置和存储介质,可有效利用历史仿真输出数据,经过推演学习,生成合适的仿真输入参数区间,实现迭代周期短,优化效率高,自动化程度高,用户使用门槛低。所述方法,包括:首先对满足效能评估指标要求的历史仿真输出数据进行自组织增量聚类学习,生成类簇总集合;接着对各类簇集合对应的仿真输入参数向量总集合进行抽象,生成抽象的仿真输入参数区间;然后基于反例对仿真输入参数区间进行精化处理,对参数区间进一步划分,生成合适的仿真输入参数区间。

    一种改进的自适应双幂次趋近律的方法、装置及存储介质

    公开(公告)号:CN113433823B

    公开(公告)日:2022-11-25

    申请号:CN202110504021.7

    申请日:2021-05-10

    Abstract: 本发明公开一种改进的自适应双幂次趋近律的方法、装置及存储介质,该方法包括:S10、根据系统特性及控制目标设计滑模面;S20、设计滑模面的自适应双幂次趋近律;S30、设计自适应双幂次趋近律中自适应增益的更新律;S40、根据系统性能和控制目标对所述自适应双幂次趋近律和所述自适应增益的更新律中的各个参数进行调节。相比于传统的双幂次趋近律,本发明所述方法能够确保系统轨迹在距离滑模面较远时具有更大的增益,同时也确保系统轨迹在接近滑模面时增益不会小于某一个下限值,从而有效缩短收敛时间,使系统具有更快的收敛速度;并确保系统轨迹在接近滑模面时增益减小,从而避免系统轨迹对滑模面的穿越,有效削弱了抖振现象。

    一种基于生成对抗网络的动力学模型参数辨识方法及系统

    公开(公告)号:CN114492176A

    公开(公告)日:2022-05-13

    申请号:CN202210029624.0

    申请日:2022-01-12

    Abstract: 本申请实施例公开一种基于生成对抗网络的动力学模型参数辨识方法及系统,所述方法包括:S1、采集飞行器数据,对所述飞行器数据进行处理,得到样本数据;S2、根据飞行器待辨识模型和所述样本数据设计生成对抗网络;S3、根据所述生成对抗网络和所述样本数据完成对所述飞行器待辨识模型的参数辨识;其中,所述样本数据包括飞行器输入数据和飞行器状态数据。本申请提高了对飞行器参数辨识的精度,既减少了设计人员的工作量,也减少了模型建模细节的缺失;本申请具有较强的通用性,针对不同模型仅需调整生成对抗网络的结构即可完成算法适应性的改造。

    一种基于生成对抗网络的动力学模型参数辨识方法及系统

    公开(公告)号:CN114492176B

    公开(公告)日:2024-08-02

    申请号:CN202210029624.0

    申请日:2022-01-12

    Abstract: 本申请实施例公开一种基于生成对抗网络的动力学模型参数辨识方法及系统,所述方法包括:S1、采集飞行器数据,对所述飞行器数据进行处理,得到样本数据;S2、根据飞行器待辨识模型和所述样本数据设计生成对抗网络;S3、根据所述生成对抗网络和所述样本数据完成对所述飞行器待辨识模型的参数辨识;其中,所述样本数据包括飞行器输入数据和飞行器状态数据。本申请提高了对飞行器参数辨识的精度,既减少了设计人员的工作量,也减少了模型建模细节的缺失;本申请具有较强的通用性,针对不同模型仅需调整生成对抗网络的结构即可完成算法适应性的改造。

Patent Agency Ranking