來源:中紀委

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

來源:央視新聞、央視財經、環球時報、36氪、金十數據、愛立信中國

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

中國基金報記者吳君

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

事業單位考試中,時事政治是必考,其主要包含一些重大會議,重要文件,時事新聞等。電視等媒體播報的新聞信息量太大,有些同學無法做到有效的梳理重要信息,導致備考針對性不強,效率慢。如何有效的進行時事政治部分內容的備考?
來聽中公教育月半時政,針對每半月熱門時政素材,分星級重點,獨特口訣輔助記憶,進行首次、再次、再再次三輪記憶鞏固,課後作業及時複習自查。讓你儘量聽得懂,學得會,記得住!帶你有針對性的備考時事政治!

點擊報名聽課

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

重要提示:通過本訂閱號發布的觀點和信息僅供中信建投證券股份有限公司(下稱「中信建投」)客戶中符合《證券期貨投資者適當性管理辦法》規定的機構類專業投資者參考。因本訂閱號暫時無法設置訪問限制,若您並非中信建投客戶中的機構類專業投資者,為控制投資風險,請您請取消關注,請勿訂閱、接收或使用本訂閱號中的任何信息。對由此給您造成的不便表示誠摯歉意,感謝您的理解與配合!

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

重要提示:通過本訂閱號發布的觀點和信息僅供中信建投證券股份有限公司(下稱「中信建投」)客戶中符合《證券期貨投資者適當性管理辦法》規定的機構類專業投資者參考。因本訂閱號暫時無法設置訪問限制,若您並非中信建投客戶中的機構類專業投資者,為控制投資風險,請您請取消關注,請勿訂閱、接收或使用本訂閱號中的任何信息。對由此給您造成的不便表示誠摯歉意,感謝您的理解與配合!

文|賀菊穎 王在存 袁清慧 劉若飛程培 陽明春 朱紅亮 賴俊勇 李虹達 劉慧彬 朱琪璋 魏佳奧

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

重要提示:通過本訂閱號發布的觀點和信息僅供中信建投證券股份有限公司(下稱「中信建投」)客戶中符合《證券期貨投資者適當性管理辦法》規定的機構類專業投資者參考。因本訂閱號暫時無法設置訪問限制,若您並非中信建投客戶中的機構類專業投資者,為控制投資風險,請您請取消關注,請勿訂閱、接收或使用本訂閱號中的任何信息。對由此給您造成的不便表示誠摯歉意,感謝您的理解與配合!

鑽石舞台 發表在 痞客邦 留言(0) 人氣()


鑽石舞台 發表在 痞客邦 留言(0) 人氣()

1.1 概述
現代雷達系統的發展促進了軟件定義雷達(SDR)系統能夠實現動態反饋迴路行為,與傳統雷達不同。傳統雷達的前饋性質依賴於感知環境的假設特性,產生固定的參數設置,以保證預定的信號干擾加噪聲比(SINR)或雷達任務性能。然而,動態/變化的環境會導致任務性能下降或系統資源的管理不善。缺乏對雷達前端特性的自適應控制會導致雷達後端的信號處理工作增加,嚴重依賴雷達操作員或根據最壞情況設置靜態的雷達系統參數。
完全自適應雷達(FAR)框架旨在利用現代SDR系統實現的傳感器參數多樣性,允許自主適應雷達波形特徵,以實現更好的環境感知和雷達任務性能。FAR框架的自主性質也轉向將雷達操作員的角色轉變為諮詢角色,以及減少用於目標信息提取的額外信號處理負擔。
FAR框架通過試圖模仿動物和人類中存在的認知的神經科學概念來實現自主適應。正如[2,3,4,5]所討論的,認知過程必須包括五個主要元素:感知、注意和分析(智能)、行動和記憶。在[6]中,Haykin討論了傳統主動雷達、FAR和認知雷達之間的區別。雖然FAR能夠通過反饋鏈路將接收機感知的環境與發射機的波形探測聯繫起來,實現對環境的更好感知,但由於缺乏 "真正"學習所需的長期記憶,它的智能受到限制。
為了在認知雷達處理中進行優化,經常使用非線性函數。這些非線性函數在優化塊中實現,可以通過非線性約束目標函數的最小化進行雷達參數選擇和更新。對於FAR框架,這種 "執行優化"是在一個 "執行處理器塊 "中實現的,它試圖在服務質量(QoS)方法中平衡捕捉雷達系統基於任務的性能(性能成本)和傳感器資源消耗(測量成本)的成本函數。
在FAR框架中,執行優化被視為最關鍵的組成部分。在FAR框架中,通過結合注意力和分析,利用目標狀態的跟蹤和過去觀察的先驗知識(記憶)來選擇最佳參數指數選擇,執行處理器實現了"有限學習"。由於執行處理器中調用的傳感器參數選擇的性質,雷達波形參數被映射到雷達任務和目標性能上,給定的是先驗知識。此外,由於這種基於優化的適應性,隨着優化的複雜性增加,解決收斂的時間也在增加,因此限制了實時能力。
在概念上與FAR相似,機器學習是人工智能下的一個研究領域,它研究人類如何獲得知識,或學習,並在機器中表示這些概念。機器學習的一個子課題是神經網絡,通過它們的能力來模擬和實現學習過程,關聯、模式識別和關係建模都是神經網絡的有效任務,它可以用來提供對系統處理的較低影響,並通過識別/記憶開始學習。

1.2 動機和貢獻

學習被證明是認知系統中的一個關鍵組成部分,導致人們相信學習是認知雷達的一個主要組成部分。在[5]中,學習被定義為使用過去的信息來提高一個人的局部成功度。然而,為了充分地從記憶和行動中學習,實時能力和性能必須是可行的。正如前面所討論的,由於用於行動選擇的優化,可以看出,隨着問題的複雜性增加,優化的計算成本也在增加。高計算成本和缺乏記憶對實現 "正式 "認知系統構成挑戰。
在FAR和認知雷達研究領域已經取得了許多進展:然而,大多數集中在缺乏長期記憶和聯想的自適應系統上。同樣,在基於神經網絡和機器學習的雷達研究方面也取得了許多進展,但大多數集中在基於分類和圖像識別的問題上。本博士研究將着重於展示包括基於回歸的神經網絡如何通過降低對系統處理的影響來改善FAR的現有性能,並通過包括更強的記憶概念和將其擴展到展示學習來幫助認知雷達任務的執行,從而促成開發一個 "真正 "的認知系統。
這裡討論的工作對認知雷達領域的貢獻如下:
通過用前饋神經網絡取代執行處理器中的優化組件,以降低對系統處理的影響並整合其固有的識別/記憶組件,開發了一個神經網絡啟發的FAR框架,即基於神經網絡控制的全適應雷達(FAR-NN)。
收集了不同參數適應情況下的模擬和實時實驗結果,並對局部解算器的實施和神經網絡進行了比較,結果表明靜態前饋神經網絡能夠實現較低的測量成本、更快的優化時間和類似的執行成本性能。
通過在每個傳感器感知行動周期(PAC)的 "執行處理器 "中模擬傳感器參數選擇,在分層全自適應雷達(HFAR)框架中實施靜態前饋神經網絡,以降低由於執行多個優化而對系統處理的影響。
通過對傳感器參數選擇的模擬,在FAR框架中實施了一個動態長短期記憶遞歸神經網絡(LSTM-RNN),將基於狀態的對不斷變化的環境的適應性和更強的記憶概念納入神經網絡激勵的FAR框架的優化部分,FAR-NN。
開發了一個LSTM-RNN,用於在動態頻譜擁擠的環境中生成低延遲、接近最佳的雷達頻率缺口波形。
將LSTM-RNN與現有的專門解算器 "減少誤差算法"(ERA)進行比較,其波形生成的仿真結果表明,網絡和算法的波形設計結果相似,LSTM-RNN生成波形的時間減少。
將現有的全適應雷達單目標跟蹤(FAR-STT)框架擴展到全適應雷達多目標跟蹤(FAR-MTT)的實現中,修改了目標函數和擴大了多目標環境的Fisher信息矩陣/Cramer Rao Bound度量。
收集了模擬和實驗結果,以證明將完全自適應雷達方法應用於多個目標跟蹤的好處,即能夠實現目標分離並保持單個目標的跟蹤,同時消耗較少的測量資源。
為一個需要執行多種任務[例如:目標跟蹤、分類和目標意圖辨別(朋友、可能的敵人和敵人)並自主分配雷達資源的雷達系統開發一個HFAR框架。
收集的模擬結果表明,通過使用自適應波形參數與固定參數集,將完全自適應的雷達方法應用於一個從事多種任務的系統的好處。
突出了使用完全自適應雷達概念的模擬和實驗演示,以證明認知雷達概念的可行實現。
1.3 概要
本論文的其餘部分組織如下。
第二章討論了基礎雷達、全自適應雷達、優化、神經網絡和統計學等與論文中提出的工作相關的背景。
第三章對認知雷達和神經網絡領域的類似工作進行了調查。
第四章討論了本工作中使用的全自適應雷達建模和模擬(FARMS)環境和算法,以及用於驗證模擬結果和實驗集合的實驗測試平台的簡要概述。
第五章討論了神經網絡啟發的FAR框架的實現,以及與以前FAR和HFAR實現中使用的局部求解器的比較結果。
第六章回顧了一種用於快速生成缺口波形的神經網絡方法,並與現有的專門求解器進行了比較。
第七章討論了將FAR框架擴展到多目標環境中。模擬和實驗結果都被收集起來,以證明自適應雷達在多目標跟蹤環境中的優勢。
第八章討論了全適應性雷達的發展,即多功能雷達系統的問題,其中HFAR框架被應用於需要參與平衡多種任務的雷達系統:目標跟蹤、分類和目標意圖的辨別(朋友、可能的敵人或敵人)。
第九章總結了論文的結果,並給出了基於這項工作的未來研究領域。
附錄A介紹了FAR框架中使用的局部求解器與全局求解器程序的可靠性的進一步細節。
附錄B介紹了第七章介紹的FAR-MTT工作中使用的Fisher信息矩陣推導和預白化推導的進一步細節。

鑽石舞台 發表在 痞客邦 留言(0) 人氣()

隨着組織從單一應用程序轉向更小的、自包含的微服務,分布式系統已經變得更加細粒度。但開發這些新系統也會帶來一系列問題。這個擴展的第二版對構建、管理和擴展微服務體系結構時需要考慮的主題進行了全面的介紹。

鑽石舞台 發表在 痞客邦 留言(0) 人氣()