XiaoMi-AI文件搜索系统
World File Search System目标类型
利用贝叶斯网络进行排雷传感器建模和特征级融合
摘要—开发了一种获取传感器测量过程的贝叶斯网络 (BN) 表示的方法，以便从统一的角度处理传感器融合和管理问题。传感器数据中嵌入的不确定性、可靠性和因果信息用于构建传感器的 BN 模型。该方法用于为人道主义排雷建模探地雷达、电磁感应和红外传感器。采用结构和参数学习算法在 BN 模型中对地雷特征、传感器测量值和环境条件之间的关系进行编码。在存在异质土壤和不同环境条件的情况下，使用推理来估计目标特征。开发了一种基于 BN 模型的多传感器融合技术，以利用传感器测量值的互补性。通过相同的方法，可以获得 BN 分类器来估计目标类型。 BN 模型和分类器还计算所谓的置信度，以量化与特征估计和分类决策相关的不确定性。通过实施这些 BN 工具来检测和分类具有不同形状、大小、深度和金属含量特征的金属和塑料地雷，证明了该方法的有效性。通过 BN 融合，特征估计的准确度相对于单传感器测量提高了 64%，并且同时检测到和分类的物体数量增加了 62%。
贝叶斯网络的排雷传感器建模和特征级融合
摘要— 开发了一种获取传感器测量过程的贝叶斯网络 (BN) 表示的方法，以便从统一的角度处理传感器融合和管理问题。传感器数据中嵌入的不确定性、可靠性和因果信息用于构建传感器的 BN 模型。该方法用于为人道主义排雷建模探地雷达、电磁感应和红外传感器。采用结构和参数学习算法对 BN 模型中的地雷特征、传感器测量值和环境条件之间的关系进行编码。在存在异质土壤和变化的环境条件的情况下，推理用于估计目标特征。开发了一种基于 BN 模型的多传感器融合技术，以利用传感器测量的互补性。通过相同的方法，可以获得 BN 分类器来估计目标类型。BN 模型和分类器还计算所谓的置信度，以量化与特征估计和分类决策相关的不确定性。通过实施这些 BN 工具来检测和分类具有不同形状、大小、深度和金属含量的金属和塑料地雷，证明了该方法的有效性。通过 BN 融合，特征估计的准确性相对于单传感器测量提高了高达 64%，并且同时检测和分类的物体数量增加了高达 62%。
人工智能是数字化教育的关键要素
摘要 本文提出了使用人工智能系统的目标类型，对应于理解教育的三个关键方面（教育作为一个系统，教育作为一个过程，教育作为结果）并对应于教育发展的重要趋势（全球教育系统的灵活性和分散化程度的提高，教育过程的个性化，基于能力的教育成果的数字化固定）。本文描述了在教育的系统方面，人工智能技术将能够使教育管理更接近于使用基于大量定性数据的方法，并有助于制定基于证据的教育政策。结果表明，决策模型在管理中的解释问题直接影响对人工智能支持教育领域管理决策的有效性的评估。结果表明，在人工智能的支持下，教学和培养过程可以个性化和个性化，通过形成按格式、内容、教育环境划分的个性化教育计划；培训课程的方法支持；提高学生的积极性和参与度。教育主体之间互动模式的转变在对主体的自主性和责任感、社会化和教育结果、教育过程的劳动强度和透明度的影响方面尚不明确，包括考虑到“人机交互”系统作为训练有素的代理出现的前景。在教育的有效性方面，人们发现人工智能作为监测和记录教育成果的工具具有吸引力
传感器融合中不同系统和数据源的跟踪和识别特性分析
传感器融合中不同系统和数据源的跟踪和识别特性分析 Dean A. Wilson—美国海军中尉 弗吉尼亚理工大学航空工程学士，1990 年 航空工程硕士 –2001 年 6 月 导师：Russell Duren，航空工程系 联合导师：Gary Hutchins，电气工程系 在指挥和控制任务中，‘传感器融合’等新技术旨在帮助减少操作员工作量并提高态势感知能力。本论文探讨了不同传感器和数据源的跟踪特性及其对融合战术图像的贡献。任何传感器融合算法的基本构建块都是与传感器平台上每个传感器相关的跟踪算法。为了支持这项研究，编写了 MATLAB 程序‘fusim’，为采购经理提供评估跟踪和传感器融合算法的工具。 fusim 程序为用户提供了选择以下传感器平台的灵活性：传感器平台、与该平台关联的最多四个传感器、目标类型、问题方向以及要与传感器一起使用的跟踪算法。fusim 程序用于比较多传感器/多目标环境中的跟踪算法。具体来说，概率数据关联滤波器、交互多模型滤波器、卡尔曼滤波器和恒定增益卡尔曼滤波器
利用贝叶斯网络进行排雷传感器建模和特征级融合
摘要—开发了一种获取传感器测量过程的贝叶斯网络 (BN) 表示的方法，以便从统一的角度处理传感器融合和管理问题。传感器数据中嵌入的不确定性、可靠性和因果信息用于构建传感器的 BN 模型。该方法用于为人道主义排雷建模探地雷达、电磁感应和红外传感器。采用结构和参数学习算法在 BN 模型中对地雷特征、传感器测量值和环境条件之间的关系进行编码。在存在异质土壤和不同环境条件的情况下，使用推理来估计目标特征。开发了一种基于 BN 模型的多传感器融合技术，以利用传感器测量值的互补性。通过相同的方法，可以获得 BN 分类器来估计目标类型。 BN 模型和分类器还计算所谓的置信度，以量化与特征估计和分类决策相关的不确定性。通过实施这些 BN 工具来检测和分类具有不同形状、大小、深度和金属含量特征的金属和塑料地雷，证明了该方法的有效性。通过 BN 融合，特征估计的准确度相对于单传感器测量提高了 64%，并且同时检测到和分类的物体数量增加了 62%。
标题：网络战新模型 主要作者
标题：网络战新模型 主要作者：Stephen Spey 博士 摘要：我们开发了一种网络战新模型，使我们能够开始探索网络战的复杂决策空间。我们的模型为两个或多个网络战斗人员创建了任何网络战斗中存在的元素的抽象表示，例如防御工具、进攻性武器和侵略者团队。每个战斗人员都可以攻击和被其他战斗人员攻击。该模型介于非常广泛的高级网络杀伤链模型和非常详细的模型之间，后者模拟了针对特定攻击的单个防御网络。每个模型时间步，每个表示元素都会根据其战斗人员使用的策略采取行动。元素相互作用的结果（例如，当防御工具搜索使用给定攻击性武器渗透其防御网络地形的侵略者团队时）通过将计算出的结果概率与随机数抽取进行比较来解决。攻击者和防御者之间基本交互的统计数据会根据现实世界的网络入侵数据进行验证。我们的模型允许在网络领域快速试验部队级战略和战术。我们将展示侵略者团队优先考虑的目标类型以及防御者对检测到的入侵采取行动的时间的结果。其他发现包括如何分配边际额外防御支出以及相对技能水平和技术必要性
面向自动目标识别的图像理解研究
1 显示了可用于 ATR 应用的各种传感器类型、武器平台类型、目标类型和先验信息。电磁波谱中能量的大气吸收决定了效用，并指导了常用于 ATR 应用的可见光、前视红外 (FLIR)、激光雷达、微波/毫米波雷达和声学传感器的开发。表 2 显示了这些传感器用于目标识别的工作原理和性能特征。术语 ATR 包括自主识别和辅助识别（或“人员在环”的提示）。在提示中，获取由瞄准系统完成，但最终识别由人完成。尽管许多研究人员希望自主执行各种各样的任务，但服务只会勉强自动化关键的操作员功能。人们天生就偏向于人类操作员的灵活性（例如，尽管拥有出色的陆基和海基战略导弹，但空军仍然依赖有人驾驶的战略核轰炸机）。人们更愿意将操作员从人类生存能力较低的任务中移除。士兵可能会远离“行动”，但预计不会放弃控制权。有“人在回路中”的辅助系统将优先于自主系统。现在已经确定，ATR 是一个多学科领域，需要在传感器、处理算法、架构、实施和软件和硬件系统评估方面拥有多样化的技术和专业知识。相关的计算机视觉和模式识别技术和系统已经从使用统计模式识别方法发展到基于模型的视觉，再到基于知识的系统。最近，实验室也在开发针对部分 ATR 问题的自适应和学习系统。图像理解 (IU) 与计算机视觉同义。IU 的重要目标之一是开发技术
一位数字生活方式教练来支持 2 型糖尿病患者 - ...
背景：健康的生活方式，包括定期的体育锻炼和健康的饮食，在慢性病的治疗中变得越来越重要。结合行为改变技术 (BCT) 和动态定制策略的电子健康干预可以有效地支持健康的生活方式。E-Supporter 1.0 是一款电子教练，旨在支持 2 型糖尿病 (T2D) 患者进行体育锻炼和健康饮食。目标：本文旨在描述 E-Supporter 1.0 的系统开发。方法：我们的系统设计过程包括 3 个阶段。定义阶段包括选择目标群体和制定干预目标，以及确定行为决定因素，根据这些因素选择 BCT 应用于干预。在开发阶段，通过指定定制变量、干预选项和决策规则来开发干预内容。在最后阶段，使用可用性测试对 9 名 T2D 患者评估了 Diameter 应用程序中集成的 E-Supporter 1.0，以评估干预的使用情况和可接受性。结果：主要干预目标是刺激 2 型糖尿病患者进行轻度至中度剧烈的体育活动或遵守荷兰饮食指南。行为决定因素的选择由健康行动过程方法和解释行为维持的理论决定。BCT 被纳入以解决相关的行为决定因素（例如，行动控制、自我效能和应对计划）。干预的发展产生了 3 种类型的干预选项，包括激励信息、行为反馈和量身定制的支持性练习。根据 IF-THEN 规则，干预选项可以根据行为目标类型和目标实现（障碍）等进行量身定制。可以使用应用程序数据、活动跟踪器数据和每日生态瞬时评估收集有关这些变量的数据。可用性测试表明，尽管在固定内容交付方面存在一些问题，但用户体验主要是积极的。结论：系统开发方法产生了基于理论和动态定制的 eCoach。未来的工作应侧重于将干预内容扩展到其他慢性疾病和生活方式行为，提高个性化程度并评估干预效果的可接受性、使用性和成本效益。