【摘 要】
：
聚焦陆战场信息系统设计问题,结合分布式计算最新成果,基于“云网端”融合理念,构建了一套适用于分布式战场节点和智能需求的信息系统架构.针对所构建架构中,智能应用和智能性提升的关键需求,综合分布式陆战场节点资源受限、任务多样等特点,在分层联邦学习基础上,依据资源状况进行自适应调整,提供资源开销和智能提升相均衡的使用途径.经实验验证,该架构和方法效果良好,更能适应分布式条件下陆战场节点智能性需求.
【基金项目】
：
国家自然科学基金（61872378）； 湖南省杰出青年基金（2018JJ1032）； 国防科技大学科学研究项目（ZK19-03）资助～～；
论文部分内容阅读
聚焦陆战场信息系统设计问题,结合分布式计算最新成果,基于“云网端”融合理念,构建了一套适用于分布式战场节点和智能需求的信息系统架构.针对所构建架构中,智能应用和智能性提升的关键需求,综合分布式陆战场节点资源受限、任务多样等特点,在分层联邦学习基础上,依据资源状况进行自适应调整,提供资源开销和智能提升相均衡的使用途径.经实验验证,该架构和方法效果良好,更能适应分布式条件下陆战场节点智能性需求.
其他文献
随着国家“双碳”政策的落地实施，全社会的降碳成为重要的任务。建设“双碳”时代高校低碳校园需要结合校园的碳排放构成及特点，科学分析降碳路径，通过碳核算等手段分析碳排放敏感因子，再结合经济技术分析，采用最优降碳技术，注重全过程降碳，营造低碳校园文化，最终实现低碳校园的目标。
我国开始进入城市化快速发展的中后期，土地资源有限，城市更新加速。未来社区是近年来中国大城市新型社区发展方向。成都作为中国西部的中心城市，致力于发展公园城市。本文主要研究成都新都区的城市更新背景下的未来公园社区规划设计理念。本文以“成都市新都区未来公园社区规划”项目为例，探讨了未来公园社区的发展策略、设计特色和场景营造等内容，包括生态、绿色、智能、共享和人文等方面。
近几十年来,随着集成电路在工艺上的不断突破,计算机的算力实现了大幅增强,深度学习技术也随之得到了迅速发展。在图像领域,深度学习技术在诸多交叉学科都取得了优秀的图像降噪成果。在X射线成像领域,X射线光栅相位衬度成像被普遍认为是最有应用前景的成像技术之一,能够兼容常规X射线源并实现了软组织的多衬度成像,在临床医学、材料科学和工业无损检测等领域有着广泛的应用。在X射线光栅相衬成像中,多衬度图像不可避免地
随着智能手机、数码相机等移动成像设备的日益普及,人们越来越多地通过图像来记录并传递信息,获取满足需求的高质量图像一直是人们关注的重要问题。然而在实际成像过程中有多种因素均会导致图像模糊,如相机曝光中被拍摄物体与相机传感器的相对运动、相机失焦、景深变化等。模糊的图像损失了原有的大量内容,影响人们对图像所传达信息的理解。因此,从模糊图像中恢复出清晰图像具有重要的研究价值,同时也是数字图像处理及计算机视
阅读作为核心课程是小学语文课程中非常重要的一部分,通过阅读,学生可以提高阅读能力,为进一步学习奠定基础。随着新课程标准的出台,当前的教学环境发生了变化,如何在新时期提高小学语文教学的有效性,成为小学语文教师反思的重点问题之一。教师应以语文教材为指导,创新教学方法。本文首先分析了小学阅读教学的现状和新课程标准对小学阅读教学的影响,以及对小学阅读的启示。在此基础上,提出了一个在小学实施阅读教学的策略。
对木构件的无损检测是对古建筑木结构安全性评定、下一步保护修缮工作开展的基础。本文归纳总结了木材常用无损检测方法的原理，并结合各种无损检测方法的特点、木构件缺陷形式、现场检测条件等分析了各种方法在木构件无损检测中的应用，并总结出木构件无损检测技术的局限性，为进一步的研究方向提供参考。
图模式匹配技术广泛应用于生物数据分析、网络安全监测、社交网络分析等领域。传统的图模式匹配致力于发现与指定模式图同构的子图,是一个NP完全问题,很难应用于更加注重语义匹配的社交网络应用和大规模图数据上。多约束图模式匹配通过对模式图中节点和边进行多属性约束的方式很好的适应了社交网络对语义匹配的需要。且多约束路径匹配使得图模式匹配更加灵活,对模式图的语义进行多重约束的方式也更加契合大数据时代对数据精准分
随着集成电路与计算机视觉技术的迅猛发展,有关视频序列的前背景分割、基于深度图绘制中的深度信息估计及空洞修复等研究已成为图像处理领域重要的研究内容,其相关技术已广泛应用于智能交通、安防及医疗等领域。论文研究的主要内容是图像的前背景分割、深度信息估计及空洞填补等进行高层建模与仿真,为后续的硬件电路实现奠定基础。论文主要的创新研究成果如下:（1）在前背景分割中,有些场景中会出现动态背景的干扰。一些方法在
单图像去雨技术主要研究如何从具有复杂分布的雨图中提取出雨纹信息,同时复原出干净背景,这对提升底层视觉感知和高层认知理解能力具有重要意义。和传统的单图像去雨方法相比,基于深度学习的单图像去雨技术已取得突破性进展。但是由于雨图分布的多样性与复杂性,以及应用场景的日益复杂化,单图像去雨领域仍有一些挑战性问题亟待解决:（1）现有图像去雨方法大多采用监督学习方式,即训练数据为合成的配对数据,但是合成数据的雨
偏振成像不仅能够获得光强、光谱和空间信息,还能够获得偏振度、偏振方位角、偏振椭率和旋转方向等更多维度的信息,对获取到的偏振信息的有效处理有助于获得更好的成像效果。偏振成像技术已被广泛应用于探测、导航、遥感、医学诊断等领域,在散射介质成像领域,偏振成像技术及偏振信息处理方法能够有效降低图像中来自散射介质的干扰,提高目标的能见度,丰富细节信息。散射介质中获取的偏振信息是偏振光和目标、介质共同作用后的结