Loading...
机构名称:
¥ 1.0

LTG Izaguirre 的军事教育包括战争学院、陆军指挥和参谋学院、AMEDD 军官高级课程、AMEDD 军官基础课程、陆军飞行外科医生课程、师外科医生课程和旅指挥课程。LTG Izaguirre 的军事任务包括 2018 年至 2020 年担任夏威夷檀香山 Tripler 陆军医疗中心指挥官;2015 年至 2018 年担任华盛顿特区五角大楼陆军人力和预备役事务助理部长 (MPQ) 卫生事务监督助理副官;2012 年至 2014 年担任夏威夷斯科菲尔德兵营美国陆军健康诊所斯科菲尔德兵营指挥官;2009 年至 2012 年担任科罗拉多州卡森堡和伊拉克提克里特第 4 步兵师师外科医生,支持伊拉克自由行动和新黎明行动; 2008 年至 2009 年,科罗拉多州卡森堡埃文斯陆军社区医院士兵护理部主任;2005 年至 2007 年,北卡罗来纳州自由堡家庭医学系住院医师培训主任;2003 年至 2005 年,北卡罗来纳州自由堡家庭医学系副项目主任;2003 年,阿富汗巴格拉姆联合民事军事行动特遣部队副外科医生;弗吉尼亚州贝尔沃堡德威特陆军社区医院家庭医学住院医师项目研究主任;2000 年至 2002 年,华盛顿州刘易斯堡麦迪根陆军医疗中心教师发展研究员;1998 年至 2000 年,华盛顿州刘易斯堡麦迪根陆军医疗中心家庭医学住院医师教师。在担任现职之前,她曾于 2021 年至 2023 年担任东部医疗准备司令部指挥官。

玛丽·K·伊萨吉雷中将

玛丽·K·伊萨吉雷中将PDF文件第1页

相关文件推荐

2024 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2023 年

中将 R. Scott Dingle 美国陆军军医局长兼美国陆军医疗司令部指挥官 R. Scott Dingle 中将是美国陆军第 45 任军医局长兼美国陆军医疗司令部指挥官。在被任命为军医局长兼指挥官之前,他曾担任美国陆军医疗司令部副军医局长兼副指挥官(支援)。他曾担任的军事职务包括:大西洋区域卫生司令部指挥官;弗吉尼亚州福尔斯彻奇军医局长办公室 (OTSG) G-3/5/7 副参谋长;德国第 30 医疗旅指挥官;弗吉尼亚州福尔斯彻奇 OTSG 卫生保健行动/G-3 主任;肯塔基州诺克斯堡美国陆军医疗招募旅指挥官;北卡罗来纳州布拉格堡第 261 多功能医疗营指挥官;现行作战首席、特别计划官、医疗保健作战执行官、OTSG、弗吉尼亚州福尔斯彻奇;伊拉克自由行动多国军-伊拉克外科医生办公室医疗计划和行动首席,伊拉克巴格达;第 18 空降军外科医生办公室医疗计划和行动首席,北卡罗来纳州布拉格堡;第 261 区域支援医疗营 (44th MEDCOM) 执行官,北卡罗来纳州布拉格堡;伊拉克自由行动 CJTF -180 地面作战计划员,伊拉克巴格达;第 44 医疗司令部和第 18 空降军计划官、计划和演习助理参谋长,北卡罗来纳州布拉格堡;德国第 1 装甲师师级医疗作战中心主任;陆军医疗部中心和学校军官基础和高级课程教员,德克萨斯州萨姆休斯顿堡;德国第 3 步兵师医疗作战中心计划官;德国第 3 前线支援营 Charlie 连连长;弗吉尼亚州尤斯蒂斯堡医疗连和医疗支队连长;弗吉尼亚州尤斯蒂斯堡计划、作战、训练和安全主管;弗吉尼亚州尤斯蒂斯堡副官;肯塔基州诺克斯堡第 194 独立装甲旅第 75 前线支援营救护车排长和机动官。丁格尔中将毕业于摩根州立大学,成绩优异。他拥有中央密歇根大学管理学硕士学位、高级军事研究学院军事艺术与科学硕士学位和国家战争学院国家安全战略硕士学位。他获得的奖章和勋章包括杰出服务勋章(橡树叶簇)、功绩军团勋章(两枚橡树叶簇)、铜星勋章、功绩服务勋章(七枚橡树叶簇)、联合服务嘉奖勋章、联合功绩单位奖、陆军嘉奖勋章(两枚铜橡树叶簇)、陆军成就勋章(一枚铜橡树叶簇)、人道主义服务勋章、军事医疗功绩勋章、征兵员勋章、肯塔基上校勋章、陆军军医局长的著名 9A 级熟练度标记、法国荣誉军团勋章(骑士)、专家野战医疗徽章、跳伞员徽章和空中突击徽章。

¥1.0
2021 年

用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响,从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据,它们正在提供前所未有的空间环境实时表征,包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步,但仅靠它们是不够的。为了优化任务规划,许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事,但最近随着 21 世纪人工智能 (AI) 技术的应用,大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型,并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期(0 到 60 分钟)、中期(1 小时到 3 小时)和长期(3 到 48 小时)。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下,多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度,卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后,组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据,因此,使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明,在几乎所有情况下,这些预测技术都优于持久性,而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点,将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是,云层可以部分或完全遮挡目标,并阻止或要求降低光通信系统的数据速率。但是,通过准确表征和预测大气影响,可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统,该系统可生成高分辨率的大气衰减预测,以支持太空激光和监视应用的决策辅助。为了实现这一目标,HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据,并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测:1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时;最长 2+ 小时;最长 48 小时。最长 1 小时;最长 2+ 小时;最长 48 小时。

¥1.0