设为首页 - 加入收藏
您的当前位置:主页 > 足球外围365网址 > 正文

智能指挥控制的现状与发展

来源:头条 编辑:小编 时间:2019-01-20
   介绍    人工智能( AI )技术已经进入了一个快速增长的新阶段,被认为是最有可能改变未来世界的颠覆性技术。。 从击败卡斯帕罗夫的“深蓝”,到在语音识别、图像识别和自然语言处理等许多领域取得突破的机器学习技术,再到击败李诗时的AlphaGo,机器智能已经从计算智能和感知智能发展到认知智能,达到了前所未有的高度。推理本质上可以理解为一种理性思维,它利用掌握的知识来理性地推理和严格地寻找证据 以美国为代表的世界军事强国预见到人工智能技术在军事领域的广泛应用前景,并认为未来的军备竞赛是一场智能竞争使用机器学习来改进它实际上是使简单的问题复杂化,可能不会比手工改进更好 )机器学习:包括决策树和深度学习 此外,诸如“深绿”、“洞察”、视觉数据分析( XDATA )、深度学习、文本深度发现和过滤( DITT )、高级机器学习概率编程( PPAML )、心灵之眼、AlphaAI和指挥官虚拟参谋( CV。 )等研究项目已经提前部署,第三个取消策略已经发布,试图在智力上摆脱潜在的竞争对手它不仅能适应各种地形,还能承受突然的冲击而不倒下。 向后意味着被他人控制在体育运动中,波士顿动力的“大狗”有非常灵活的反应 为了避免因失去发展机会而造成的巨大代沟,中国迫切需要赶上并大力发展人工智能技术的军事应用研究它利用专家系统对大数据的相关性分析和统计特性进行推理通过自我游戏,已经产生了1 )从实际的指挥和控制系统中收集积累的数据,让技术人员进行标记工作,围绕各种机器学习任务的要求,用不同的标签标记数据,并建立数据标签库;抓住机会全力以赴,实现目标的可能性就会提高为了给智能指挥与控制的发展打下坚实的基础,建议组织和实施基础知识和数据工程,建立一个面向作战指挥的仿真测试系统0万轮训练样本数据,这大大提高了象棋实力    指挥和控制是军事作战系统的“神经中枢”,是战斗力的倍增器现在看来,这些系统仍然属于计算智能,还没有发展成认知智能国防高级研究项目署( DARPA )于尽管该计划在。许多知识可以由指挥官和参谋人员提炼,但还没有被提炼0这项技术是人工智能在战斗控制领域应用的重大突破1年因领导层变动和预算削减而暂停,但其想法和方法值得学习007年启动了“深绿色”项目,旨在将模拟嵌入手指挥动控制系统,提高指挥官在飞机上决策的速度和质量 指挥控制智能是人工智能技术军事应用的核心基于实时战场态势数据,通过多次计算机模拟,可以推断出敌人和敌人采用不同作战计划的可能结果,可以预测敌人可能采取的行动和战场态势的可能趋势,可以指导指挥官做出正确的决策,并且可以缩短制定和调整作战计划的时间2015年12月,美国 在未来的战场上,指挥和控制将扮演“智能大脑”的角色从传感器信息的收集、分析和处理到正确的响应,整个过程不到1毫秒 谁在指挥和控制方面有高度的智慧,谁就会很好地运用他的战术模糊逻辑擅长预测长期趋势,但是当输入量超过一个时,它就变得太复杂了项目规划的主要能力包括: 1 )指挥官专用工具:便携式手持工具,帮助指挥官理解、展示、描述和指挥;2 )指挥官和参谋之间基于工作流程的合作:支持指挥官和参谋在各地执行任务安排、跟踪、生产和共享产品和任务交付成果;3 )数据融合:面对任务指挥信息和态势感知的需求,按需从现有指挥所系统获取信息,向指挥官提供综合数据集,并提供权威和一致的数据存储、添加和搜索功能; )集成敏捷规划:独立于领域、人机合作的战争规划、计划制定和推演能力,可以生成战术模型来执行当前任务,根据类似的历史案例和当前情况预测和评估执行效果,并且可以更好地捕捉和解释用户意图,重点关注情况评估、潜在行动计划的开发和分析,以及识别意外的风险和威胁;5 )评估能力:不断将当前情况与指挥官的计划意图进行比较,识别风险和机会,以评估是否需要做出决定,并适时提醒需要注意的情况;6 )可预测性:根据州潜在数据和当前计划/目标背景,确定sit的演变并对其进行推理    然而,指挥和控制的智能化发展还有很长的路要走3发展思路有必要进一步利用指挥官已经能够提炼的知识,应用知识表示方法,并建立机器对知识的理解和利用知识解决实际问题的能力 在分析人工智能技术发展及其在指挥控制领域应用的基础上,提出了指挥控制智能发展的思路和关键技术体系,为我国智能指挥控制的发展提供参考0。    利用这种理性的思维和知识,我们不仅可以分析和推断敌人的关系、意图和行动,还可以根据法规和规则做出决策、计划行动和分配资源尽管机器学习目前是人工智能技术中的一个热门话题,但它是基于大量数据的 发展需求分析    未来的战争将进入“速战速决”时代,其特点是快速、复杂和多变因此,目前领域知识工程仍然是必要的军方一直非常重视知识工程,并建立了完整的规则、法规和交战规则知识体系 首先,高速、大机动性和远程装备的发展趋势显著加快了战争的步伐,人类大脑无法跟上战斗的速度。 第二,大规模的系统化行动、人与人的合作行动以及扩展到社区的新型行动大大增加了战争的复杂性,使人类大脑无法跟上规模此外,锻炼数据主要围绕训练需求生成,不能根据机器学习任务定制 第三,美国智能技术为一些传统技术无法解决的问题提供了解决方案国防部提出了第三个抵消战略,并提出了围绕智能和自主的五个关键技术领域建议以以下两种方式并行开发样本数据库: 军方发展了灵活的行动,灵活的战术,无人系统的自主行动,以及极快的反应速度,这使得战争更加灵活,人类大脑无法跟上行动的变化2 )人机智能分工与合作机制:一般人工智能不可能在短时间内出现,人类和机器类型的智能都擅长于此,以便指挥官能够迅速对整个战场形势做出判断 因此,迫切需要发展人工智能技术,用智能机器脑扩展指挥官的大脑,以辅助战场态势认知和指挥决策,提高指挥官态势判断和决策的科学性和效率随着军事力量的增加和减少以及时间和空间的变化,形势从好变坏5 )变化趋势滚动预测:在战斗过程中,指挥官经常发现很难决定未来的行动方向,因为很难掌握战争趋势 它体现在以下五个方面:    此外,面孔、性别、年龄和情感识别变得越来越实用 )信息分析和处理:提取支持决策的关键信息,从海量、多源和异构信息数据中识别目标意图和发展战略迹象,协助情报官员进行信息分析和判断,并需要智能技术支持1 )自然人机交互设备:传统的指挥所人机交互主要包括鼠标、键盘、大屏幕和投影等    代表性的应用包括路径规划和棋盘游戏。 战场态势认知:从大量信息中挖掘和提炼敌人的意图、目标值、战场态势和变化趋势,以帮助指挥官高效准确地做出态势判断,这需要智能技术支持结论    3在一些民用领域,人工智能的技术成果可以在指挥和控制领域找到相应的转化点,从而加速关键技术的突破 )指挥决策支持:基于指挥官的作战理念,快速生成可行的计划和计划,精确模拟推演和执行结果,自动生成优化建议,协助指挥官快速做出高质量的决策,需要智能技术支持    作战测试分析:从积累的作战数据中挖掘和学习敌人的行动规律和复杂的战争规律,优化战术和指挥控制模型算法,帮助指挥官发现问题和优化策略,并需要智能技术支持    5 )指挥和控制人机交互:提供沉浸式战场状态感知、跨域分布式和高效协作    搜索本质上可以理解为试图通过尝试各种可能的路线来寻找可行的/最优的解决方案    代表性的应用包括定理证明和专家系统利用这种试探性的想法,我们不仅可以搜索我们的行动计划,支持指挥官的计划,还可以搜索敌人的行动可能性,支持指挥官进行预测试    问题是,当解决方案空间太大时,性能会大大降低,甚至无法解决 。 2国外智能指挥控制现状 )知识推理:包括一阶逻辑推理和概率推理等具体算法 基本原则:客观事实和互动关系被定义为知识,基于逻辑或概率的形式象征,推理被用来预测或解决问题   220世纪70年代,一个决策支持系统被提出,希望借助基于模型库、数据库、知识库和方法库的计算机帮助决策者 问题是很难获得知识,如果知识太多,效率会大大降低    。。    基本原理:从大规模样本数据中学习隐含模型或模式,这反过来又可以用来预测或解决实际问题。本质上,学习可以理解为一种感性思维,从大量实践(样本数据)中获得经验和直觉。代表性的应用包括图像识别、语音识别和自然语言处理。利用这种感性思维,我们不仅可以根据经验直觉判断敌人可能的行为和情况是否有利,还可以根据经验直觉做出快速决策。问题是,如果你不按照规则玩牌,很容易出错,这在战争中并不少见。。。    1。2技术发展水平分析。从智力水平来看,人工智能可分为三类:计算智能、感知智能和认知智能。1 )计算智能——超越人类:以科学操作、逻辑处理和统计查询等正规和常规操作为核心。在计算智能方面,计算机已经超过了人类,例如超级巨人“天河”的科学计算和基于规则的暴力搜索“深蓝”。然而,集合证明和数学符号证明的复杂逻辑推理仍然需要直觉的帮助。    2 )感知智能——接近人类:以图像理解、语音识别和语言翻译为代表。近年来,由于深度学习方法的突破,知觉智能已经取得了很大进步,并逐渐趋于实用化和水平化。例如,在语音识别方面,科大讯飞的语音识别准确率为97 %,而微软的语音识别错误率仅为5 %。9 %,相当于普通人的水平;在自然语言处理方面,谷歌已经能够翻译大块的文本,涵盖10多种语言。苹果随着人工智能技术的进步和军事样本数据的积累,这是一个渐进的发展过程iri、微软Ic国防部副部长沃克认为,通过使用上述技术,指挥官可以减少观察-判断-决策-行动( OODA )循环中的时间,实现多领域联合作战指挥和控制的目标,从而在未来的战争中赢得胜利和小娜已经能够和人们聊天了。在图像处理方面,谷歌可以让机器从成千上万张图像中准确识别猫。   2.1。。    3 )认知智能——刚刚开始:以理解、推理和决策为代表,强调思考和决策。 因为它更全面,更接近人类的智力,所以研究更加困难,并且长期以来进展缓慢。IBM的问答智能程序“沃森”和谷歌的无人驾驶汽车就是这种智能的典型应用。沃森战胜人类使人工智能面临一个重大转折点。    谷歌的无人驾驶驾驶执照标志着无人驾驶平台融入社会,这涉及到智能问题,如道路识别、交通监控、情况理解、情况判断和准确决策。2。1。3 AlHago技术原理及发展。1克杰3 : 0结束了人类数千年的智慧。 互联网上有许多相关的事件和评论,这里不再重复。 。。AlphaGo使用以下四种方法来实现Go的决策: 1 )策略网络,负责预测Go的下一步行动,采用深度学习方法,并模拟人类直觉思维进行判断;2 )快速移动,负责加快移动速度,采用局部特征匹配+线性回归方法;3 )评价网络,负责整体判断,采用深度学习方法模拟人类直觉预测输赢; ) Mont3智能决策建议优化 Carlo树搜索负责快速推演和验证下棋过程,它使用了搜索解决方法,这与“深绿色”不同,因为它缩小了搜索范围,有效解决了不确定性爆炸的问题,大大提高了推演效率。 AlphaGo的第一个成功步骤是人类样本数据的积累,包括160,000套人类玩家的Go得分,分成3000万个手板;AlphaGo的成功是通过自动构建样本数据来推进的。    它的本质是加强学习,在“试错”中成长,为人类发现意想不到的窍门。。。总而言之,人工智能技术的快速发展正在加速对各行各业的颠覆,国防也不例外。指挥控制向智能化发展是大势所趋。。。2。   2.1。基于这个模型,美国    陆军装备司令部的通信电子研究、开发和工程中心( CERDEC )计划在2016年底启动CV尽管国内人工智能技术本身和语音识别等民用领域的发展很快,接近甚至部分超过了国际先进水平,但如何将其应用于军事领域,特别是指挥和控制领域,还有待进一步研究项目[ 6 ]。军方已经开发了一系列指挥和控制决策支持系统,如联合作战计划和执行系统、战区级作战计划评估系统、计算机辅助任务计划系统、联合任务计划系统、人员计划和决策支持系统等。这些系统已经应用于实际的军事行动中,例如1990年代早期的“沙漠风暴”行动。从最简单的货物空运到复杂的行动协调,所有这些都是由专门的系统完成的。然而,这些系统大多采用人在回路中的方法,指挥官仍然是指挥和决策的关键。目标分析和方案制定等关键步骤主要由指挥官完成,机器只提供计算层的支持。    。。    美国。0。军方一直在探索人工智能技术在军事领域的应用。    其核心技术是并行仿真,即。e。   2。尽管在这个项目中没有使用机器学习等最新技术,但通过并行模拟预测敌人行动和形势变化的方法是当时人工智能水平下的一项重大创新,也是美国早期探索性研究的代表性成果    0和5。军队推进指挥和控制向情报的发展。1面临的挑战。“深绿色”系统主要由指挥官助理、“闪电战”和“水晶球”组成。美国陆军“深绿色”系统的核心技术如图所示。1。指挥官助理使用语音识别和草图识别技术来实现指挥决策来自地图和去往地图的原则,这在最大程度上符合指挥官的决策分析和操作习惯。“闪电战”是一个“深绿色”分析引擎。通过使用自动分析工具结合qualita。    1智能系统顶级架构。S。其中,自主学习和人机交互技术,利用人工智能技术综合利用人类的洞察力和计算机的高灵敏度,提高指尖决策的有效性。未来可能会有情报。 S。e。。。2016年6月,美国辛辛那提大学开发的人工智能系统Alpha AI在模拟空战模拟器中100 %击败了经验丰富的退役美国空军上校。上校说:“这是我见过的最积极、敏捷、多变和可靠的人工智能。S。“据说阿尔法在空战中快速协调战术计划的速度是人类的250倍。    阿尔法可以避开几十枚导弹,同时攻击多个目标。Alpha还可以协调队友,观察和学习敌人的战术,而硬件只是一台售价500英镑的普通PC。1。它可以用来训练未来的人类飞行员,甚至在通讯条不良的情况下接管无人驾驶飞行器的行动控制。。。阿尔法人工智能空战系统的核心技术是遗传模糊逻辑,如图2所示。其中,遗传算法主要模拟自然选择的过程,并通过变异和淘汰不断优化。    Alfa的团队创新并提出了一种遗传模糊树算法,可以处理数百个输入。原则是简化变量,只考虑最相关的信息,并减少决策树分支的数量。2016年10月至12月,美国。S。 总统办公室发布了三份重要报告,“为人工智能的未来做准备”、“国家人工智能研发战略计划”和“人工智能、自动化和经济”,全面规划了人工智能技术和相关产业的发展,旨在确保人工智能在美国的领先地位。 。。    S。S。其目的是通过认知计算和人工智能技术的综合应用来处理大量的数据源和复杂的战场情况。 它提供了积极的提议、高级分析和自然的人机交互,从而为指挥官和他们的参与者提供决策支持,从计划、准备、执行到行动审查,做出战术决策。U。S。。。   尽管AlphaGo已经取得了显著的成就,但开展军事行动比玩Go更困难。指挥和控制系统的智能化是一个长期目标,不能一蹴而就。"。如图2所示。3、智能开发梯具体包括:。1 )指挥控制系统目前的智能水平主要是机器能够为指挥官提供简单的计算支持,例如各种战术计算模型。在此基础上,很难超越机器的自主学习水平。。。2 )第一步需要奠定基础。    同时,我们重视样本数据的积累,为发展机器学习提供必要的数据。。。3 )如果上述级别定义为智能1。0,下一步是集中精力发展机器学习能力。让机器在人类的指导下学习,即监督/半监督学习。    有了学习能力,可以认识到智力水平已经有了质的飞跃,达到了智力水平2。S。4 )此外,有必要关注无监督学习的发展,如强化学习、迁移学习和对抗学习,以便机器在实践过程中实现自我提高和智能3。    U。S。0等。,还不清楚。从技术发展水平来看,智力3。0所要求的无监督学习技术目前是机器学习领域的一个热门研究课题,而许多商业应用领域,如语音、图像和翻译已经达到智能化2。0级。相比之下,指挥控制领域的发展明显滞后,有着非常广阔的发展空间。    3。S。目前,业界已经基本达成共识,指挥和控制的智能发展面临两个基本瓶颈: 1 )缺乏足够的领域知识和样本数据;2 )缺乏科学的验证和评估技术。领域知识是指军事专家能够清楚解释的事实和规则,包括军事领域的概念本体、武器装备性能参数、战场环境模型、战场实体模型、作战决策模型、业务处理规则、作战规则和装备使用规则等。   2。3。此外,逻辑思维也是指挥官的一种常见思维方式,这对于解决许多实际问题非常有用    机器学习不能解决所有的实际应用问题,通常与传统的人工智能技术结合使用,如搜索解决方案和知识推理。    例如,美国。S。    这种知识工程需要大量的军事专家,只有积累到一定的规模,才能体现其力量。著名的国外知识工程CYC就是一个典型的例子。    样本数据是指在实际操作、演习训练和模拟测试期间积累的数据,包括从各种渠道收集的情报数据和加工产品,演习训练期间各种指挥信息系统的访问数据、通信数据和操作数据,以及平时值班、操作和维护的数据    机器学习对样本数据的规模和质量有很高的要求。首先,必须快速收集大量数据,然后只有af才能保证数据质量。虽然一些自动标记工具可以用于这些任务,但是该领域的专家仍然需要参与设计和调试,这导致了巨大的工作量。 此外,军队在和平时期积累的战斗经验主要依靠演习和训练。受安全和成本的限制,对抗的激烈程度、战术的灵活性以及在训练中使用的装备不如实战中的好    然而,指挥和控制是对抗游戏的艺术。在许多实战情况下,对抗游戏的特点在训练中很难学习。    经常会出现诸如单一样品类型和样品分布不均匀等问题。。。 此外,如何验证智能技术的可行性以及如何评估智能水平已经成为一个大问题。    然而,很难找到一个公认的解决程度的标尺,也很难确定结果是否可信。事实上,对于一名指挥官来说,也很难衡量某项判断或决定的对与错或好与坏,因为在战争的迷雾中没有标准答案,最终的输赢也是多种因素综合作用的结果。因此,要评估技术或指挥控制系统的智能水平,很难找到合适的评估指标和方法。。。0。    2基础工程。0。。。领域知识高度专业化,需要有深厚专业基础的军事领域专家投资建设。然而,领域知识的正式建模有一定的技术背景,需要掌握知识工程的专业人员投资建设。因此,建议相关科研机构与相关军事院校合作,协调相关军事领域专家和技术人员之间的交流,共同提炼军事指挥领域的各种知识,包括概念知识、商业知识、装备知识、组织系统知识和作战知识等。 通过使用各种人工智能知识表示方法,如本体、规则、过程和框架,在类别中建立形式表示,并建立它们之间的相关性以形成知识地图,即。e。命令领域的知识系统,这样命令人员可以清楚地解释的知识可以被机器理解和掌握。。。   3。2 )借鉴美国空军建立模拟飞行环境来训练阿尔法人工智能的想法,提出了一种快速积累大规模指挥和控制样本数据的方法——建立作战指挥模拟测试系统,即战争游戏    在模拟游戏环境下,指挥官可以进行无限制的挥杆,动作执行过程可以快速推导和完成,场景和情节可以根据需要定制,不仅可以训练指挥官,还可以测试战术,积累样本数据。    虽然存在一些失真问题,但这是技术方法原理验证的理想环境。。。此外,作战指挥模拟测试系统也是验证和评估智能指挥控制技术的有效技术手段,为验证智能技术提供了虚拟实践平台。与实际军事演习相比,该仿真测试系统具有安全、经济、高效、可定制和环境相对简化的特点,是测试和验证智能技术的理想环境。通过设计有针对性的战斗场景和竞赛规则,可以举办各种形式的游戏竞赛,如人机对抗、人机对抗和机器对机器对抗。智力水平可以通过实际可测量的数据来衡量,例如相对胜率和胜败比。。。4。S。1 )指挥控制系统知识系统的设计:知识是智能的基础,它不仅包括传统意义上的人工定义的规则,还包括大量数据中机器学习建立的感觉模型。从指挥员对战争和决策的认知角度出发,结合指挥控制知识系统,分析和分发适合人工定义或机器学习的知识,对智能指挥控制系统的发展具有重要的指导意义。。。    剖析指挥控制过程中的认知决策问题,合理分配适合机器解决和人工解决的问题。同时,在合作问题解决中建立了两种智能合作机制,以达到1 + 1 > 2的效果。。3 )指挥和控制的智能验证和评估系统:当大量生命移交给机器管理时,智能验证和评估变得至关重要,甚至超过了智能本身的发展。如何开发安全可控的机器智能以确保机器智能不受指挥官的控制,以及如何定性和定量地评估机器智能水平,需要事先研究和确定。。。4。2情报战场态势感知。1 )战场态势理解地图:态势感知中最基本的情报是类似参谋人员的地图操作,即根据地图上密集的目标信息,自动理解其部队的编组、行动的执行以及相互关系(如攻击、支援和指挥关系),并自动在地图上绘制各种指示部署的“腰部”和指示意图方向的“箭头”,这样指挥官就可以一目了然地了解当前局势,从而大大提高态势理解效率。。。( 2 )计算各方力量的分布:在了解战场形势的基础上,通过整合每一组力量的装备性能、指挥和训练水平、环境限制以及支持和保障条件,我们粗略估计了他们各自的势力范围和力量分布,例如敌人的禁区、我们的优势区域、双方争夺的热点或可以进入和进入的自由区域等。    。。3 )系统运行重心分析:在计算各方力量分布的基础上,结合各方意图和动机,进一步分析系统运行重心。例如,对方的防御系统对攻击者有害,或者对方最有可能攻击防御者的防御目标,从而为指挥官规划和调整部队的投入提供支持。。。4 )战况和机会判断:战况不能简单地根据兵力或攻防关系来判断,因为每一方都有不同的目标,实现目标的概率应该作为依据。   3。结合al ph ago的价值网络模型和美军在“深绿色”中的快速演绎,它可以实现对形势和机遇的快速判断,从而帮助指挥官抓住战斗机    。。    借助强大的模拟计算环境,完全有可能模拟整个战场形势的演变过程。同时,基于实时掌握的最新态势数据的持续更新,可以实现战场变化趋势的滚动预测,从而指导指挥员提前做出相应的调整,并逐步抓住机遇。。。4。e。1 )智能决策。    未来,先进的人机交互设备技术,如语音、手势、表情、眼球运动、脑电图和肌电图,可以通过多通道交互验证和相互补充,最大限度地实现人机交互的自然性、便捷性和快速性    。    2 )智能人机交互软件:配合硬件设备,通过语音识别、草图识别、自然语言理解、智能问答系统等智能人机交互软件技术,提高指挥员的人机交互体验,让指挥员感觉与人交谈一样方便自然,大大提高指挥所的人机交互效率。3 )沉浸式感知讨论:传统的网络协作讨论环境主要由电话、视频会议、白板和协作绘图主导,给人一种不良的沉浸感。虚拟现实和全息投影技术的使用可以创造新的手段,如虚拟战场环境、全息电子沙盘和虚拟研讨会大厅,为指挥官提供身临其境的态势感知以及面对面的交流和讨论体验。    4 )可穿戴远程指挥:由于野战中士兵个体的便携性和动态性受到限制,传统电话、移动电话和平板电脑等远程指挥设备的可操作性较差。使用增强现实技术,地图指示、建筑标志、敌人位置、队友状态和指挥命令等信息可以通过头盔和眼镜等可穿戴设备实时显示给士兵,从而大大提高了单兵在野外作战中的远程指挥能力。一旦上述关键技术被突破,它们就可以被应用于开发和构建下一代智能指挥控制系统。 建议开展智能参谋系统技术关键项目,对上述关键技术进行综合应用和论证验证,以在一定程度上取代传统参谋,并利用智能技术直接协助指挥员决策。    智能指挥控制的发展是大势所趋。分析了指挥控制智能化发展的需求和国内外现状,提出了知识和数据基础设施建设问题的解决方案,并从一开始就梳理出了智能指挥控制的关键技术体系。目前,对于哪些技术能够在短时间内迅速突破,还无法给出明确的答案,这取决于人工智能技术的发展以及知识和数据的积累。    然而,只要是探索,就一定有失败和风险的可能性。在目前的情况下,中国智能指法控制的发展应该鼓励和支持多样化和多角度的创新研究,加强实验验证,一次成熟一种应用。。。参考资料:简介。。 。。       。   4。    。。    。 。。    。。   4。   。    。    。。    。。。。    。。。   4。    。。    。。 。。    。。。    。 。   4。    。。    。    。。    。。 。。       。。。。。。   

相关文章:

相关推荐:

栏目分类

365bet体育在线

Top