XiaoMi-AI文件搜索系统
World File Search SystemSWARM
战场上的机器人技术第二部分群
我要感谢CNA和其他地方的众多同事，他们协助开发了本报告。liz fontaine领导了该报告的生产和设计。亚当·埃尔库斯（Adam Elkus）为了解动物和机器人群提供了宝贵的帮助。CNAS研究实习生James Marshall和Matthew Seeley协助了背景研究。此外，许多外部专家就一系列问题提供了宝贵的见解。我要感谢国防部长办公室的迈克尔·苏尔默（Michael Sulmeyer），劳伦斯·利弗莫尔国家实验室的迪恩·威尔克宁（Dean Wilken），约翰·霍普金斯大学（Johns Hopkins University）的戴维·舍德（David Scheidt）应用物理学实验室的戴维·谢德（David Scheidt）见解。我还要感谢CNA和其他机构的众多同事，他们提供了有关本报告草案的反馈。
剧团系统：自主多代理漫游者群∗
太空探索的未来将利用多代理系统的力量。它是低地球轨道中的卫星星座，还是一群零重力构造无人机，自主的多机构系统为执行大规模太空任务提供了下一步。漫游者群体尤其可以开始着重于月球表面探索的任务。群有可能产生高科学实用程序的回报。但是，尚未完全解决的许多设计和实施问题。该团项目旨在以流浪者群的形式探索多代理系统的设计和开发。该团漫游将作为一个案例研究，用于实施用于安全风险管理，需求形式化，运行时验证框架和其他相关验证工具集的研究工具。NASA AMES的强大软件工程（RSE）组有两个主要目标：（1）研究和开发用于改善安全 - 关键软件的验证和验证（V＆V）的工具，以及（2）设计和设计和部署用于小型SAT太空飞行任务的飞行软件。理想情况下，这两个目标将相互补充。研究团队为任务开发人员开发工具，以提高软件质量，而任务开发人员在用例和所需功能上向研究团队提供直接反馈。实际上，设想的合作有局限性。飞行任务的日程限制通常不允许使用积极开发的工具进行原型制定和培训。安全限制（例如ITAR数据）阻止了混凝土用例的共享。为了克服这些障碍，RSE集团已经实施了一个名为Troupe的孵化器计划，该计划由四个自主流浪者组成，它们协调以绘制未知地形。最终的可交付方式将是绘制位于NASA AMES的漫游车场测试地面的漫游者的设计，开发和演示。演示任务允许开发太空飞行软件，同时集成了高级V＆V工具，包括正式的模型检查器，数学声音静态分析仪和运行时安全性监控。虽然Troupe遵循NASA对软件开发的严格要求，但任务本身与工具开发人员和研究社区共享数据没有局限性。以这种方式，团队可以学习正在积极开发的新工具，并直接向研究工具开发人员提供反馈。
癌症组织病理学中分散人工智能的群体学习
奥利弗·莱斯特·萨尔达尼亚 (1)、菲利普·奎克 (2)、尼古拉斯·P·韦斯特 (2)、杰奎琳·A·詹姆斯 (3,4,5)、莫里斯·B·洛里 (5,6,7)、海克·I·格拉布什 (2,8)、曼努埃尔·萨尔托-特莱兹 (3,4,5)、伊丽莎白·阿尔沃斯 (9)、迪德姆·西夫奇 (1)、纳尔明·加法里·拉勒(1), 托比亚斯·塞贝尔 (1), 理查德·格雷 (10), 戈登·GA·哈钦斯 (2), 赫尔曼·布伦纳 (9,11,12), 谭伟源 (9), Titus J. Brinker (13), Jenny Chang-Claude (14,15), Firas Khader (16), Andreas Schuppert (17), Tom Luedde (18), Sebastian Foersch (19)、汉娜·索菲·穆蒂 (1)、克里斯蒂安·特劳特温 (1)、迈克尔·霍夫迈斯特 (9)、丹尼尔Truhn (16)、Jakob Nikolas Kather (1,2,12,20) (1) 德国亚琛工业大学医院医学 III 系 (2) 英国利兹大学圣詹姆斯利兹医学研究所病理学与数据分析系 (3) 英国贝尔法斯特女王大学 Patrick G Johnston 癌症研究中心健康科学大楼精准医学卓越中心 (4) 英国贝尔法斯特贝尔法斯特健康与社会保健信托区域分子诊断服务中心 (5) 英国贝尔法斯特女王大学 Patrick G Johnston 癌症研究中心 (6) 英国贝尔法斯特贝尔法斯特健康与社会保健信托细胞病理学系 (7) 英国贝尔法斯特女王大学公共卫生中心 (8) 荷兰马斯特里赫特马斯特里赫特大学医学中心病理学和 GROW 肿瘤学与发育生物学学院 (9) 临床流行病学分部德国海德堡德国癌症研究中心（DKFZ）衰老和衰老研究中心（10）英国牛津大学临床试验服务部（11）德国海德堡德国癌症研究中心（DKFZ）和国家肿瘤疾病中心（NCT）预防肿瘤学部（12）德国海德堡德国癌症研究中心（DKFZ）德国癌症联盟（DKTK）（13）德国海德堡德国癌症研究中心（DKFZ）国家肿瘤疾病中心（NCT）肿瘤学数字生物标志物组（DBO）（14）德国海德堡德国癌症研究中心（DKFZ）癌症流行病学部（15）德国汉堡大学癌症中心、汉堡-埃彭多夫大学医学中心癌症流行病学组（16）德国亚琛工业大学医院诊断和介入放射学系（17）德国亚琛工业大学计算生物医学联合研究中心生物医学系、亚琛大学医院（18）德国杜塞尔多夫海因里希海涅大学医学院胃肠病学、肝病学和传染病系、杜塞尔多夫大学医院（19）德国美因茨大学医学中心病理学研究所（20）德国海德堡大学医院国家肿瘤疾病中心 (NCT) 肿瘤内科系
无人机群控制的设计挑战 - VTT CRIS
摘要。人们普遍认为，群体可能是无人驾驶飞行器 (UAV) 或无人机技术的下一步发展方向。尽管导航、数据收集和决策的自主性大幅提高是“集体人工智能”愿景的重要组成部分，但这一预期发展引发了人们对群体与其人类操作员之间最有效的互动形式的质疑。一方面，每个单元的低级“微观管理”显然抵消了使用群体的许多优势。另一方面，保留对群体目标和实时行为进行一定控制的能力显然至关重要。我们提出了两种控制方法，直接和间接，我们相信它们可用于设计合适的图形用户界面 (GUI)，即同时直观、易于使用、功能强大且灵活，允许单个操作员编排群体的动作。模拟结果用于说明概念，并对不同场景中的两种控制方法进行定量性能分析。确定了与无人机群控制相关的人为因素方面，并从人类操作员的使用角度讨论了这两种控制方法。我们得出的结论是，直接方法更适合短时间尺度（“战术”级别），而间接方法允许指定更抽象的长期目标（“操作”级别），使它们自然互补
模糊遗传粒子群优化卷积神经...
dharanir.pec@gmail.com, ramesh.revathy@gmail.com, danesh.kn1@gmail.com Received : 31 July 2023, Revised: 14 October 2023, Accepted : 21 October 2023 * Corresponding Author ABSTRACT Oral cancer presents a pressing global health concern, ranking as the eighth most prevalent cancer worldwide and leading to a significant number of deaths, particularly evident in India with an annual toll of大约有130,000人死于口腔癌。早期检测的紧迫性是显而易见的，因为由于临床检查和活检而导致的疾病识别延迟可以阻碍有效的治疗和改善患者的结果。这项研究通过开发能够识别受疾病影响的口腔区域并准确分类各种口腔癌疾病的系统来解决这一关键需求。该研究利用深度学习算法来检测和精确定位口服图像中的受影响区域，并结合了高级特征提取技术，尤其是基于模式的特征。使用创新的蜜蜂脉冲夫妇神经网络（BEEPCNN）算法用于对受影响区域的有效分割。为了进一步提高检测效率，引入了一种新型模糊遗传粒子群卷积神经网络（FGPSOCNN），从而降低了计算复杂性，同时保持了高精度水平。拟议的系统使用从Arthi Scan医院收集的实时MRI图像进行了严格的评估。实验结果令人信服地证明了与现有的口腔癌检测方法相比，FGPSOCNN模型的优越性。1。简介这项综合研究不仅满足了早期口腔癌检测的关键需求，而且还引入了一种创新的方法，可以显着提高效率而不会损害准确性。这项研究对口腔癌诊断的潜在影响是很大的，为全球关键的全球健康挑战提供了有希望的解决方案。关键字：口腔癌，深度学习，蜂鸣声，模糊，粒子群优化，fgpsocnn。
NASA的Glenn Research Center
•卫星计算连接的碰撞概率（PC）•如果较高的PC事件，计划避免碰撞（COLA）操作•进行COLA操作•一旦通过接地枢纽进行筛选，则进行COLA操纵•操纵责任声明•操纵轨迹的意图和未来通过接地枢纽的范围•通过接地式的操作型操作员，而不是自动化的操作员，而不是跨地面操作员，而不是实地操作员，而不是实地操作员，则型号的运营商<
利用思想的力量控制无人机群的潜力
国防工业子领域的国防技术发展提出了一个新的战场，其中之一就是使用无人机（无人机战争）。无人机已被世界各国广泛应用，既用于战场，也用于应对混合威胁。据 SP 的《印度陆军报》（2021 年）报道，美国在阿富汗战争中使用无人机打击基地组织和塔利班战士和领导人。历史上最惊人的无人机使用发生在2020年1月3日，那次袭击在巴格达击毙了精锐圣城军指挥官卡西姆·苏莱曼尼少将。一些国家也曾使用无人机，包括土耳其对抗库尔德工人党，尼日利亚对抗博科圣地，伊拉克对抗伊斯兰国，沙特阿拉伯对抗利比亚和也门。无人机袭击已演化为群体袭击，使得无人机战场愈加致命。 SP 的印度陆军部队还表示，也门胡塞叛军于 2019 年 9 月 14 日进行了无人机群攻击，使用了 18 架无人机和 3 枚导弹，袭击了沙特阿拉伯石油公司旗下的两处阿美设施。援引美国之音印尼版2024年11月10日报道，俄罗斯国防部报告称，其防空部队已成功摧毁俄罗斯西部地区36架乌克兰无人机；援引美国之音印尼版2024年12月26日报道，乌克兰军方称，在切尔尼戈夫、第聂伯罗彼得罗夫斯克、哈尔科夫和基辅地区的袭击中，他们击落了俄罗斯军队发射的31架无人机中的20架。此外，据《大纪元时报》印尼媒体报道（2024年），乌克兰第255独立突击营的“黑天鹅”无人机部队成功部署在库尔斯克地区，据称多达270架（二百七十架）蜂群无人机袭击了莫斯科及周边的军用机场。这些例子表明，群体无人机已经成为当今战场上一种有效且致命的新武器选择。
安全的多跳遥测广播，用于无人机群通信
摘要 - 无人驾驶汽车（UAVS）正在作为适应性平台发展，用于广泛的应用，例如精确的检查，紧急响应和遥感。自主无人机群需要在部署期间有效，稳定的通信才能成功执行任务。例如，所有群体成员之间的遥测数据的定期交换为形成和避免碰撞的基础提供了基础。但是，由于车辆的流动性和无线传输的不稳定性，保持安全可靠的全能通信仍然具有挑战性。本文根据Custom IEEE 802.11 Wi-Fi数据框架调查了经过加密和身份验证的多跳广播通信。索引条款 - 无人驾驶汽车，多跳网络，车辆网络，群飞行
RTG SET-263“用于情报监视和侦察的蜂群系统”分析了蜂群系统的操作和系统问题，这些问题可能
未来部队将陆地、空中和海上自主和半自主平台整合在一起，以提高部队的效率。该系统可自主部署，可在多个梯队、旅级战斗部队中实现多种力量的部署。指挥官们将负责开发和维护对局势的全面了解，以确保在该区域内持续进行监视，并在人类无法进入的区域内进行大规模的持续时间延长。机器人/捕捉器是一种协作系统，一种多机器人/捕捉器，是一种集体行为，可实现系统的实现，包括广阔的区域、信息共享者和不可实现的行为的共享系统个人。
AI-WSN：基于蜂群的到达方向估计
人工智能 (AI) 技术是无线传感器网络 (WSN) 中能源利用的最重要考虑因素。AI 通过优化传感器节点的能耗来改变工业运营。因此，它对于提高传感器节点定位精度至关重要，尤其是在不平衡或 Ad-hoc 环境中。因此，本研究的目的是提高传感器节点经常遇到障碍物或障碍物的位置的定位过程的准确性。蜂群优化 (BSO) 算法用于分割传感器节点，以提高锚节点和未知节点对之间的到达方向 (DoA) 估计的准确性。即使在存在不平衡条件的情况下，涉及三个独立蜂群的所提出的 DoA-BSO 也可以识别合理的锚节点以及排列成簇的分段节点。为了获得预期结果，目标函数的设计考虑了锚节点和未知节点对的跳数、能量和传输距离等因素。研究在大规模 WSN 中使用传感器节点对进行，以确定 DoA-BSO 的定位精度。将 DoA-BSO 与传统方法进行比较时，元启发式算法的结果表明，它显著提高了节点的准确性和分割性。