XiaoMi-AI文件搜索系统
World File Search SystemHSi
国防采购指南 - 人机系统集成
本文档以全系统方法提供有关所有 HSI 领域的指导。项目经理 (PM)、系统工程师、测试和评估 (T&E) 代表和产品可支持性经理 (PSM) 可以使用本指南 (1) 识别和使用工具、技术、方法和方法 (TTAM) 将 HSI 活动融入系统工程实践和采购过程，以及 (2) 了解预算和利用组件 HSI 主题专家 (SME) 和 HSI 从业人员在国防系统采购范围内为项目开展 HSI 的重要性。本指南解释了 HSI 如何在项目的生命周期内最大限度地降低总拥有成本 (TOC) 并优化总系统性能 (TSP)。这些信息中的大部分之前出现在国防采购指南 (DAG) 第 5 章“人力规划和人力系统集成”中。DAG 已被诸如此类的重点领域的单独指南所取代。
国防采购指南 - 人机系统集成
本文件以全系统方法提供有关所有 HSI 领域的指导。项目经理 (PM)、系统工程师、测试和评估 (T&E) 代表以及产品可支持性经理 (PSM) 可以使用本指南 (1) 识别和使用工具、技术、方法和方法 (TTAM) 将 HSI 活动融入系统工程实践和采购流程，以及 (2) 了解预算和利用组件 HSI 主题专家 (SME) 和 HSI 从业人员在国防系统采购范围内为项目开展 HSI 的重要性。本指南解释了 HSI 如何在项目的生命周期内最大限度地降低总拥有成本 (TOC) 并优化总系统性能 (TSP)。其中大部分信息之前出现在国防采购指南 (DAG) 第 5 章“人力规划和人机系统集成”中。DAG 已被诸如本指南之类的重点领域的单独指南所取代。
国防采购指南-人机系统集成
本文档以全系统方法为所有 HSI 领域提供指导。项目经理 (PM)、系统工程师、测试和评估 (T&E) 代表和产品可支持性经理 (PSM) 可以使用本指南 (1) 识别和使用工具、技术、方法和方法 (TTAM) 将 HSI 活动融入系统工程实践和采购流程，以及 (2) 了解预算和利用组件 HSI 主题专家 (SME) 和 HSI 从业人员在国防系统采购范围内为项目开展 HSI 的重要性。本指南解释了 HSI 如何在项目的生命周期内最大限度地降低总拥有成本 (TOC) 并优化总系统性能 (TSP)。其中大部分信息之前出现在国防采购指南 (DAG) 第 5 章“人力规划和人机系统集成”中。DAG 已被诸如本指南之类的重点领域的单独指南所取代。
SPIE 会议纪要
高光谱成像 (HSI) 可获取多达数百个波段，已被提议作为一种超越 RGB 成像的数字化组织学成像方式，以提供更多定量信息来协助病理学家检测样本中的疾病。虽然数字化 RGB 组织学相当标准化且易于获取，但与 RGB 相比，组织学 HSI 通常需要定制设备和更长的成像时间。在这项工作中，我们提供了相应的乳腺癌 RGB 数字化组织学和组织学 HSI 数据集，并开发了一个条件生成对抗网络 (GAN)，从正常细胞和癌细胞的标准 RGB 图像中人工合成 HSI。GAN 合成的 HSI 的结果很有希望，显示结构相似性 (SSIM) 约为 80%，平均绝对误差 (MAE) 为 6% 到 11%。需要进一步研究以确定在更大的数据集上从 RGB 图像生成 HSI 的能力。
国土安全调查
国土安全调查局 (HSI) 和国家知识产权协调中心 (IPR Center) 欢迎有机会在法院、知识产权和互联网小组委员会面前作证，说明 HSI 在知识产权执法方面的重要作用，这保护了我们国家的公共健康和安全、国家安全和经济。国土安全调查局的作用 HSI 是根据 2002 年《国土安全法》成立的，是美国国土安全部 (DHS) 最大的调查部门，拥有广泛的法律权力，可以对美国境内人员、货物、资金、技术和违禁品的非法跨境流动进行联邦刑事调查。HSI 的使命是调查、瓦解和捣毁试图利用美国海关和移民法的跨国犯罪组织和国家安全威胁。HSI 的足迹遍布 50 多个国家的 235 个国内办事处和 90 多个国际办事处，拥有 6,800 多名特工。国土安全部在国际上拥有最大的影响力，这使得国土安全部的调查能够超越国界。国土安全部的国际特工、犯罪分析师和任务支持人员与当地雇用的工作人员和外国执法伙伴一起，推动国土安全部和国土安全部在世界各地的任务。我担任国土安全部全球贸易司代理助理主任。全球贸易司负责监督和支持美国进出口法的刑事调查，以确保国家安全、保护公众的健康和安全、制止掠夺性和非法贸易行为，并防止敏感的美国技术和武器落入跨国犯罪组织 (TCO) 和外国对手手中。
使用...对复合纤维材料进行无损检测
摘要：通过从宽频率范围内捕获光谱数据以及空间信息，高光谱成像 (HSI) 可以检测到温度、湿度和化学成分方面的细微差异。因此，HSI 已成功应用于各种应用，包括用于安全和防御的遥感、用于植被和农作物监测的精准农业、食品/饮料和药品质量控制。然而，对于碳纤维增强聚合物 (CFRP) 的状态监测和损伤检测，HSI 的使用是一个相对未触及的领域，因为现有的无损检测 (NDT) 技术主要侧重于提供有关结构物理完整性的信息，而不是材料成分。为此，HSI 可以提供一种独特的方法来应对这一挑战。本文以欧盟 H2020 FibreEUse 项目为背景，介绍了使用近红外 HSI 相机将 HSI 用于 CFRP 产品无损检测的应用。详细介绍了三个案例研究中的技术挑战和解决方案，包括粘合剂残留物检测、表面损伤检测和基于 Cobot 的自动化检测。实验结果充分证明了HSI及相关视觉技术在CFRP无损检测方面的巨大潜力，特别是满足工业制造环境的潜力。
FlexTech：从刚性到柔性的人机系统集成 - HAL
人机系统集成 (HSI) 是系统工程 (SE) 的必要组成部分，还是相反（即 SE 是 HSI 的必要组成部分）？这完全取决于视角！如果您是一位以技术为中心的工程师，SE 将为您提供开发技术系统的方法和工具，并且您将需要人为因素专家来开发用户界面并测试最终产品的可用性。从这个角度来看，HSI 是 SE 的必要组成部分。但是，如果您是一位以人为本的设计师，您将需要方法和工具来设计和开发系统，从设计之初到系统退役，将人机需求整合在一起。这提出了我们所说的“系统”是什么意思的问题。系统只是一种表示，有助于弄清楚人和机器的物理和认知功能和结构。本章涵盖了与 HSI 相关的几个领域，包括任务和活动分析、认知工程、组织设计和管理、功能分配、复杂性分析、建模和人在环仿真 (HITLS)。当代 HSI 设计方法由虚拟 HITLS 支持，这涉及有形性问题。开始讨论应收集的各种数据和有形性指标以开发适当的 HSI。提供了一个航空示例来说明在系统设计和开发中应如何开发 HSI
FlexTech：从刚性到灵活的人机系统集成 - HAL
人机系统集成 (HSI) 是系统工程 (SE) 的必要组成部分，还是相反（即 SE 是 HSI 的必要组成部分）？这完全取决于视角！如果您是一位以技术为中心的工程师，SE 将为您提供开发技术系统的方法和工具，并且您将需要人为因素专家来开发用户界面并测试最终产品的可用性。从这个角度来看，HSI 是 SE 的必要组成部分。但是，如果您是一位以人为本的设计师，您将需要方法和工具来设计和开发系统，从设计之初到系统退役，将人机需求整合在一起。这提出了我们所说的“系统”是什么意思的问题。系统只是一种表示，有助于弄清楚人和机器的物理和认知功能和结构。本章涵盖了与 HSI 相关的几个领域，包括任务和活动分析、认知工程、组织设计和管理、功能分配、复杂性分析、建模和人在环仿真 (HITLS)。当代 HSI 设计方法由虚拟 HITLS 支持，这涉及有形性问题。开始讨论应收集的各种数据和有形性指标以开发适当的 HSI。提供了一个航空示例来说明在系统设计和开发中应如何开发 HSI
附录7.2 光滑蝾螈生态调查
第一阶段栖息地调查的范围扩大到包括光滑蝾螈的栖息地适宜性指数 (HSI)。HSI 是一个数值指数，可用于表示水体支持光滑蝾螈的能力。HSI 最初是为大冠蝾螈 (Oldham 等人，2000) 开发的，这种蝾螈在北爱尔兰并不存在。然而，国家两栖动物和爬行动物记录计划 (ARC，2013) 认为它也可以用于提供与其他两栖动物物种（包括光滑蝾螈）相关的信息。HSI 是一个介于 0 和 1 之间的数值指数，接近 0 的值表示栖息地不适宜，而接近 1 的值表示栖息地最佳。使用栖息地适宜性指数 (HSI) (ARGUK，2010) 对拟议开发项目 80 米工作区内确定的水体进行了评估，以评估它们是否适合为光滑蝾螈提供陆地栖息地。
用于高光谱图像分类的量子启发光谱空间金字塔网络
高光谱图像 (HSI) 分类旨在为每个像素分配一个唯一标签，以识别不同土地覆盖的类别。现有的 HSI 深度学习模型通常采用传统学习范式。作为新兴机器，量子计算机在嘈杂的中尺度量子 (NISQ) 时代受到限制。量子理论为设计深度学习模型提供了一种新的范式。受量子电路 (QC) 模型的启发，我们提出了一种受量子启发的光谱空间网络 (QSSN) 用于 HSI 特征提取。所提出的 QSSN 由相位预测模块 (PPM) 和受量子理论启发的类测量融合模块 (MFM) 组成，以动态融合光谱和空间信息。具体而言，QSSN 使用量子表示来表示 HSI 长方体，并使用 MFM 提取联合光谱空间特征。量子表示中使用了 HSI 长方体及其由 PPM 预测的相位。使用 QSSN 作为构建块，我们进一步提出了一种端到端的量子启发式光谱空间金字塔网络 (QSSPN)，用于 HSI 特征提取和分类。在这个金字塔框架中，QSSPN 通过级联 QSSN 块逐步学习特征表示，并使用 softmax 分类器进行分类。这是首次尝试将量子理论引入 HSI 处理模型设计。在三个 HSI 数据集上进行了大量实验，以验证所提出的 QSSPN 框架相对于最新方法的优越性。