在VR技术得到广泛应用之前,基于视频的训练(VBT)是一种通过视频提供刺激,要求参与者做出感知和认知判断的实践[6,7]。其方法包括观看和模拟比赛的视频序列[8,9]、阻碍动作序列以及为参与者提供测试结果正确性的反馈[10,11]。VBT允许学习者在不执行操作的情况下练习技能[12]。它加速了感知认知能力的发展,尤其是在足球等需要持续参与的运动中[13]。比赛转播视频在VBT中被广泛使用,但它经常因缺乏保真度而受到批评[14]。VR被用于训练中,以确保训练活动代表真实场景[13,15]。通过增强视频模拟的视觉相关性,VR提高了观众的沉浸感[16]。VR也被认为是一种新的VBT技术[17]。
摘要提交指南 请准作者在公布的截止日期之前通过 AIAA SciTech 网站 ( www.aiaa.org/SciTech ) 以电子方式提交其作品。作者可以提交 1,000 字的扩展摘要或论文草稿。论文草稿必须包含 100 到 200 字的摘要。稿件(无论是扩展摘要还是论文草稿)都必须包括对工作背景和动机的讨论,以及对论文对特定感兴趣领域的主要贡献的解释,包括结果示例。论文是否被纳入会议将完全取决于所提交稿件的质量和细节。建模和仿真 (M&S) 技术学科的范围涵盖系统或系统环境中的航空航天飞行器的 M&S(例如,飞行模拟器、空域模拟、空间操作模拟、系统分析)。有关更多详细信息,请参阅下面的感兴趣主题。仅涵盖结构或应用空气动力学等单一工程学科的 M&S 方法的论文应提交给该学科。如果论文涉及单一学科的 M&S 主题,则
George SKROBANSKI 博士,QinetiQ 培训与模拟 (NSC) 14.30h 6 接近实时的物体检测训练和检测,为时间紧迫的任务规划提供包括检测到的感兴趣物体的地理参考表示的合成环境
摘要:影响晶圆级先进封装可靠性的设计参数包括上下焊盘尺寸、焊料体积、缓冲层厚度、芯片厚度等。传统上,采用加速热循环试验(ATCT)来评估电子封装的可靠性寿命,但通过ATCT优化设计参数耗时长、成本高,减少实验次数成为关键问题。近年来,许多研究人员采用基于有限元的仿真设计(DoS)技术进行电子封装可靠性评估。DoS技术可以有效缩短设计周期、降低成本,并有效优化封装结构。然而,仿真分析结果高度依赖于研究人员个体,并且通常彼此不一致。人工智能(AI)可以帮助研究人员避免人为因素的缺点。本研究通过结合人工智能和仿真技术来预测晶圆级封装 (WLP) 可靠性,展示了 AI 辅助 DoS 技术。为了确保可靠性预测准确性,在创建大型 AI 训练数据库之前,通过多次实验验证了模拟程序。本研究研究了几种机器学习模型,包括人工神经网络 (ANN)、循环神经网络 (RNN)、支持向量回归 (SVR)、核岭回归 (KRR)、K 最近邻 (KNN) 和随机森林 (RF)。本研究根据预测准确性和 CPU 时间消耗对这些模型进行了评估。
免责声明本报告是作为美国政府机构赞助的工作的帐户。均未对任何信息,明示或暗示的任何雇员或官员,也没有任何雇员或官员,也不是任何雇员或官员,也不承担任何法律责任或责任,对任何信息的准确性,完整性或有效性,包括任何信息,设备,产品或过程所披露或代表其使用不属于私有权利。 以此处参考任何特定的商业产品,流程或服务,商标,制造商或其他方式不一定构成或暗示其认可,建议或对其任何代理机构的认可,建议或偏爱。 本文所表达的文件作者的观点和观点不一定陈述或反映美国政府或其任何代理机构,Argonne National Laboratory或Uchicago Argonne,LLC。均未对任何信息,明示或暗示的任何雇员或官员,也没有任何雇员或官员,也不是任何雇员或官员,也不承担任何法律责任或责任,对任何信息的准确性,完整性或有效性,包括任何信息,设备,产品或过程所披露或代表其使用不属于私有权利。以此处参考任何特定的商业产品,流程或服务,商标,制造商或其他方式不一定构成或暗示其认可,建议或对其任何代理机构的认可,建议或偏爱。本文所表达的文件作者的观点和观点不一定陈述或反映美国政府或其任何代理机构,Argonne National Laboratory或Uchicago Argonne,LLC。
摘要 — 这是一系列论文中的一篇,讨论了支持确定工业和商业电力系统可靠性和可用性的不同分析技术的应用和准确性。电力行业认识到需要确定和使用标准工具或一套工具来分析电力系统的可靠性。从历史上看,应用不同的可靠性方法和工具的结果差异很大,而且很难进行比较。金书 (IEEE Std. 493-1997) 的可靠性分析技术工作组开发了一个标准网络,以便比较分析技术。本文介绍了通过可靠性框图进行模拟的方法,该方法应用于金书标准网络。给出了负载点的可靠性指标,并将其与从该系列中的其他技术获得的指标进行比较,以确定准确性。