Loading...
机构名称:
¥ 1.0

凯瑟琳·凯利女士是高级行政服务部门的成员,现担任美国太空部队人力资本太空行动副主管。她为太空部队提供行政领导和管理指导,涉及人员管理的所有职能领域,包括部队结构分析、人员计划、文职人员、战备、高级军官事务、部队质量问题、平等机会以及为分布在全球 175 个地点的军事和文职人员提供家庭支持,以支持该部队的太空发射、太空监视、导弹预警和卫星指挥与控制行动。凯利女士通过维拉诺瓦大学的陆军预备役军官训练团计划获得第 1 步兵师后勤军官的任命。她转而担任陆军部的文职,负责该部门历史上最全面的基地调整和关闭流程,以及管理后勤、企业基础设施和空间管理。2016 年,凯利女士出任阿灵顿国家公墓主管,负责重建人们对陆军公墓运营的信任和信心,并为资本重组、扩张和技术创新制定战略方向。在担任现职之前,凯利女士曾担任陆军未来司令部首席人力资本官。在那里,她建立了位于德克萨斯州奥斯汀的司令部总部,并担任人力资源各方面的高级顾问,包括建立陆军第一个针对士兵和平民的软件重点培训。教育 1999 年,维拉诺瓦大学政治学学士学位,宾夕法尼亚州维拉诺瓦 2003 年,俄克拉荷马大学国际关系硕士学位,通用电气海德堡 2012 年,美国国家安全和战略研究硕士学位海军战争学院,罗德岛州纽波特 任务 1999-2003,后勤官,欧洲司令部,J4 和第一步兵师 - 斯图加特 GE 2004-2007,业务流程助理,博思艾伦汉密尔顿公司 - 华盛顿特区 2007-2008,战略规划师,陆军物资司令部 - 弗吉尼亚州贝尔沃堡 2008-2011,基地调整和关闭主管,陆军物资司令部 - 弗吉尼亚州贝尔沃堡。贝尔沃 VA 2012-2013,阿灵顿国家公墓标准与评估主管 - 弗吉尼亚州阿灵顿 2013-2014,五角大楼信息技术局企业管理总监 2014-2016,总部服务参谋长、陆军部长行政助理 - 五角大楼,2016-2019,阿灵顿国家公墓主管 - 弗吉尼亚州阿灵顿 2019-2022,陆军未来司令部首席人力资本官 - 德克萨斯州奥斯汀 2022-至今,五角大楼美国太空军人力资本太空行动副局长 奖项和荣誉:

凯瑟琳·凯利 美国太空军

凯瑟琳·凯利 美国太空军PDF文件第1页

凯瑟琳·凯利 美国太空军PDF文件第2页

相关文件推荐

2023 年
¥1.0
2023 年
¥1.0
2024 年
¥2.0
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