【摘 要】
：
人工智能正在加速世界军事变革进程，给军队作战样式、武器装备和战斗力生成带来根本性变化。如何运用人工智能创新军人心理服务方法与技术，以最大限度减少心理损伤减员，成为近年研究热点。本文从军人心理评估与选拔、军人心理预警、军事心理训练和军人心理干预四个方面着手，详细梳理了人工智能在军人心理服务领域的应用现状，以期为相关研究提供思路和发展方向。
论文部分内容阅读
人工智能正在加速世界军事变革进程，给军队作战样式、武器装备和战斗力生成带来根本性变化。如何运用人工智能创新军人心理服务方法与技术，以最大限度减少心理损伤减员，成为近年研究热点。本文从军人心理评估与选拔、军人心理预警、军事心理训练和军人心理干预四个方面着手，详细梳理了人工智能在军人心理服务领域的应用现状，以期为相关研究提供思路和发展方向。
其他文献
不同于生活中普通的消费品,飞机操控与驾驶装置产品往往具有复杂的人机交互功能,不经过设计的复杂功能堆砌,难免使用户产生“认知摩擦”。航空类产品的设计要求不仅限于功能和外观,更重要的是减少认知负荷、提升用户体验。这些陌生的且具有复杂人机交互功能的产品,不管是产品功能还是人机交互方式,都应利于用户认知,符合用户的意象图式。论文从人机交互方式出发,研究具有复杂人机交互功能的产品的设计方法,并应用到无人机的
目的明确小扁豆凝集素（LCA）对3种转移能力肝癌细胞增殖、迁移能力的影响,从细胞力学特性方面探究其作用机制。方法 Transwell法检测细胞迁移,CCK-8检测细胞活性,原子力显微镜检测细胞硬度,免疫荧光染色检测细胞骨架F-actin,明胶酶谱检测基质金属蛋白酶2（mmP-2）和基质金属蛋白酶9（mmP-9）的分泌和活性。
通过表面接枝聚合技术在摩擦副表面 （陶瓷球-玻璃盘）分别生长亲、疏水型两种聚合物刷：聚甲基丙烯酸-3-磺酸丙酯钾盐（以下简称PSPMA）和聚甲基丙烯酸月桂酯（以下简称PLMA），成功构筑了润湿性不同的两种浸润表面，利用球-盘式光干涉薄膜测量装置研究了两种表面在水环境中的液膜厚度和摩擦力变化，结果表明两种表面呈现出不同的减摩效果：PLMA表面的摩擦力稳定且随速度变化较小，推测这与其较低的表面自由能和
深紫外LED应用广泛，在使用过程产生大量的热量会带来芯片结温上升，影响器件的内量子效率，缩短使用寿命。因此，对于散热结构的分析和优化就变得极其关键。本文针对蜂窝散热做定向研究，设计了一种组合蜂窝散热结构，与同尺寸鳍片散热器相比，重量更轻、散热效果更优，可用于尺寸空间受限的UVC LED紫外产品满足寿命使用的要求。
作业作为评价学生学习效果的载体,也属于学生的一种学习方式,可以作为评估教学目标的一种手段。随着新课改的推进、高中生物学学科核心素养、培养学生高阶思维等要求的提出,单元教学成为高中生物学教学的发展方向。在此背景下,进行单元作业设计培养学生科学思维水平具有重要意义。新课标的颁布以及国家“双减”政策的落实,对学生的培养、教师的专业发展提出了更高的要求,而教师的作业设计能力以及设计作业后的实施至关重要。因
随着信息时代的发展,数据量呈爆炸式增长,电子技术逐渐难以应对日益增长的信息处理需求。集成光子学以光作为信息载体,具有带宽大、传输速率快、并行性好、抗干扰能力强等优点,为高速信息处理系统提供了一种有效的解决方法。在众多集成光子学使用的材料中,薄膜铌酸锂不仅有良好的电光、声光和非线性效应以及较宽的透明光谱范围,还具备传统块状铌酸锂所缺乏的超高集成能力,因此具有广阔的发展前景。本论文主要围绕薄膜铌酸锂波
无线电能传输（Wireless Power Transfer,WPT）技术作为一种新型输电方式,在电动汽车、植入式医疗设备、家用电器及深海矿山油田作业等供电领域有着独特的优势。基于电磁感应原理的感应式WPT技术由于其原理简单、短距离内传输效率高且可实现宽功率范围传输的优点,而成为目前无线电能传输领域的一个研究热点。由于原、副边绕组之间相对位置不固定,感应式WPT系统在实际工作中面临松耦合器耦合系数
在摩尔定律日渐失效的背景下,近似计算作为一种以计算精度作为代价设计低功耗硬件的方法,在深度神经网络的硬件实现中具有重要的应用价值。Softmax函数在深度神经网络结构中对多特征量的概率分布执行归一化后的分类操作,依据应用场景的不同而产生不同的对精度的需求。同时,由于Softmax函数的非线性特性,使得硬件实现的结构较为复杂。本文在传统的以查找表模式实现的Softmax函数硬件实现方案的基础上,对S
伴随着以深度神经网络算法为核心的人工智能技术的蓬勃发展,长短期记忆网络（Long Short-Term Memory,LSTM）作为循环神经网络的典型代表由于其可以有效解决长时依赖问题,广泛地应用在机器翻译、多语言处理和图像标题生成等领域。然而,LSTM网络运算过程复杂、权重参数规模巨大,现有的通用计算平台无法满足LSTM智能应用对功耗与性能的综合需求。现场可编程门阵列FPGA具有可编程性、高并行
卷积神经网络（Convolutional Neural Network,CNN）由于其高精确度被广泛应用于图像分类和识别等应用中。然而,随着CNN逐渐加深,特征图通道数逐渐变多,其网络模型逐渐膨胀。随之带来的是其大量权重数据难以被嵌入式设计存储于片上。网络剪枝方法能够在较小的精度损失下去除影响较小的权重以压缩网络模型,然而,剪枝后的卷积神经网络中的权重排布不规则。这种不规则的模型在并行架构上的处理