XiaoMi-AI文件搜索系统
World File Search SystemAbdullahi
人工智能在军事中的应用及其优势 Abdulrahman Yusuf Abdullahi，2 Umar Farouk Musa，3 Firuze AK，4 Muhammad A
引言 人工智能 (AI) 在数据、计算机处理能力和机器学习发展的帮助下，在全球范围内逐渐完善并成为一种更高效的技术，尤其是在过去的二十年里。因此，人工智能在各个领域的日常生活中得到越来越频繁的使用。这项技术的一些不同用途包括语音识别、生物特征认证、移动测绘、导航系统、交通和交通控制、管理、制造、供应链管理、数据收集和控制有针对性的在线营销。因此，人工智能在军事领域也拥有广泛的应用也就不足为奇了 [1]。军事能力是当前衡量一个国家或民族“实力”的指标。美国国防部将军事能力定义为“实现某一作战目标（赢得战争或战斗、摧毁一组目标）的能力”。它直接或间接地受到现代化、结构、准备和可持续性的影响。装备、武器库和技术复杂程度在很大程度上决定了现代化程度 [2]。互联网正在取代自第二次世界大战开始以来发动战争的传统方式。研究表明，针对人工智能领域的营利性公司和政府机构的黑客攻击现在越来越普遍。研究人员认为，现代自主系统和人工智能 (AI) 有望在未来的军事对抗中发挥关键作用 [3]。最近的科学出版物表明，神经网络技术在当今的网络战中非常普遍。智能交通系统 (ITS) 的发展是主要的例子之一，还有预测和评估环境现象、将信息推文与非信息推文（包含谣言或不详细的无关数据）区分开来以及预测动态外汇常规市场。这种类型的增强器以多种方式帮助军事领域，并成为发展军事能力的最重要武器 [4]。军事决策中应考虑各种资源和能力的数据（人力资源、战斗和支援车辆、直升机、尖端情报和通信设备、火炮和导弹），这些资源和能力可以执行各种类型的复杂任务，例如情报收集、调动、直接和间接火力、基础设施和运输
使用正规化多重卷积神经网络（RMCNN）的服装图像分类模型 * 1 Shuwa Ayongo，1 Muhammad Abdullahi，1 Nustap
1 ZARIA AHMADU BELLO大学计算机科学系2计算机科学系，联邦教育学院，Zaria *通讯作者电子邮件地址：shuwajunior@gmail.com摘要在过去几十年中，机器逐渐接管了人类的日常活动，例如在线购物和服装。 必须开发人工智能技术，以帮助人们相应地检测和对服装设计进行分类。 早期解决服装图像分类问题的努力需要仔细选择和从服装图像数据集中提取某些功能，以使数据集的功能高度表示。 但是，这些方法在定义和捕获广泛的图像特征方面很难。 研究表明，卷积神经网络（CNN）模型可以比传统的机器学习（ML）方法更好地解决图像分类问题。 但是，他们面临着诸如过度拟合，高参数调整，嘈杂数据和培训数据不足之类的问题。 这项工作解决了过度拟合的问题，该问题降低了服装图像分类模型的分类/概括性能。 我们提出了四（4）个CNN模型，其中将称为辍学的正则化方法添加到每个层以处理过度的问题。 在四个模型中以最佳结果作为拟议模型采用了最佳结果。 与使用相同数据集和最先进的建筑设计训练的其他模型记录的结果相比，准确性提高了1.77％。 这是一个1 ZARIA AHMADU BELLO大学计算机科学系2计算机科学系，联邦教育学院，Zaria *通讯作者电子邮件地址：shuwajunior@gmail.com摘要在过去几十年中，机器逐渐接管了人类的日常活动，例如在线购物和服装。必须开发人工智能技术，以帮助人们相应地检测和对服装设计进行分类。早期解决服装图像分类问题的努力需要仔细选择和从服装图像数据集中提取某些功能，以使数据集的功能高度表示。但是，这些方法在定义和捕获广泛的图像特征方面很难。研究表明，卷积神经网络（CNN）模型可以比传统的机器学习（ML）方法更好地解决图像分类问题。但是，他们面临着诸如过度拟合，高参数调整，嘈杂数据和培训数据不足之类的问题。这项工作解决了过度拟合的问题，该问题降低了服装图像分类模型的分类/概括性能。我们提出了四（4）个CNN模型，其中将称为辍学的正则化方法添加到每个层以处理过度的问题。在四个模型中以最佳结果作为拟议模型采用了最佳结果。与使用相同数据集和最先进的建筑设计训练的其他模型记录的结果相比，准确性提高了1.77％。这是一个关键字：正规化，神经网络，分类，人工智能，计算机视觉，过度拟合，辍学的介绍在过去几十年中，机器正在逐渐接管人类的日常活动，例如在线购物和衣服操纵。在线购物和衣服操纵需要某些功能，例如颜色，设计和衣服的形状，以便能够相应地识别和分组它们。必须开发人工智能技术，可以适当地检测和对服装设计进行分类，以使机器执行在线购买的任务，并帮助他们有效地决定人类的衣服类型。这可以帮助用户更好地了解产品，并吸引来自不同位置的更多客户，从而提高销售额。对客户的口味，文化和社会经济地位的更深入了解也可以通过这种信息来帮助（Henrique等，2021）。服装时装设计的分类属于称为图像分类的计算机视觉中更广泛的群体。将对象分类为各种类别的任务可以被视为人类简单的任务，但对于机器来说是复杂的。