“国防部范围”包括“国防范围”(又称第四等级)和服务。“国防范围”/“第四等级”是指 OUSD(R&E) 总部、DIU、DARPA、SCO、MDA 和其他国防部长办公室机构和实地活动。“当年”是指当前美元。“基准年”是指不变美元,以 FY23 为基准年。
2023 年 4 月 20 日 海蒂·徐女士 国防部研究与工程副部长(OUSD(R&E)) 华盛顿特区国防部五角大楼 3030 邮编 20301-3030 徐女士您好, 作为俄亥俄州国会代表团的成员,我们写信表达对中西部微电子联盟 (MMEC) 的支持,并支持其通过国防部 ME Commons 计划申请区域中心指定。MMEC 是一项重要的区域举措,它将为我们国家的作战人员带来最佳解决方案,并同样支持我们关键的国家安全战略,以重新夺回全球微电子行业的主导地位。 俄亥俄州拥有众多军事设施和国防工业供应链中的许多关键组件,很自豪能够成为保卫国家的重要贡献者。因此,俄亥俄州自然而然地被选为 ME Commons 计划下的区域技术中心所在地,支持能够快速从实验室转移到制造的微电子创新。超过 50 家中西部企业、组织和教育机构已承诺支持 MMEC。俄亥俄州一直支持该州主要军事和国防机构的创新,包括莱特帕特森空军基地的空军研究实验室和 NASA 格伦研究中心,对此俄亥俄州深感自豪。此外,俄亥俄州的高水平教育机构将继续培养支持 MMEC 及其活动所需的人才。MMEC 将通过提升服务于国防和商业市场的微电子生态系统的能力,提升该地区作为国际创新和技术中心的地位。随着地缘政治紧张局势不断加剧,半导体对国家国防越来越重要,我们赞扬 MMEC 的努力,并恳请您积极考虑 MMEC 向战略与频谱任务高级弹性可信系统 (S 2 MARTS) 提交的解决方案请求。
所有的“机器视觉数据集比较”,K。Gauen,R。Dailey,J。Laiman,Y。Zi,N。Asokan,Y.H。lu,G.K。 Thiruvathual,M.L。Shyu,S.-C。陈。- 本文提出,近年来技术最大的改进之一是使用机器学习来处理视觉数据的快速进步。在有助于这种发展的所有因素中,带有标签的数据集扮演着至关重要的角色。本文比较了用于机器学习的不同视觉数据集和框架。比较既是定性的,又是定量性的,并且在大小,位置和上下文信息方面研究对象检测标签。本文还提出了一种新的方法,它使用实时,地理标签的视觉数据创建数据集,从而大大改善了数据的上下文信息[1]。
保护任务关键功能以实现可信系统和网络 发起部门:国防部研究与工程副部长办公室 国防部首席信息官办公室 生效日期:2024 年 2 月 16 日 可发布性:已批准公开发布。可在指令司网站 https://www.esd.whs.mil/DD/ 上查阅。重新发布和取消:国防部指令 5200.44“保护关键任务功能以实现可信系统和网络 (TSN)”,2012 年 11 月 5 日,经修订 纳入:国防部副部长备忘录“支持国防部可信系统和网络的供应链风险管理程序”,2021 年 8 月 20 日 批准人:国防部负责研究和工程的副部长 Heidi Shyu 批准人:国防部首席信息官 John Sherman 目的:根据国防部指令 5137.02 和 5144.02 中的授权,本次发布:
接触到技术无限可能性的个人在日常生活中采用人工智能 (AI) 和增强现实 (AR) 等技术工具 (Ali 等,2017)。随着技术的发展,人工智能和增强现实系统被用于多个领域的研究中。可以说,理解人工智能概念及其运作过程的广泛界限在今天仍然是一个复杂的问题 (Angggrellanggi 和 Sari 2023;Chujitarom,2020)。尤其是神经科学在人工智能领域占有重要地位。这一科学分支研究人类大脑的认知、记忆和学习功能,揭示了神经科学领域的发展 (Chin, Wang 和 Chen,2019)。一些关于人工智能的讨论集中在大脑和计算机之间的异同上 (Frumer,2020;Zhang, Shankar, Antonidoss,2022)。一些研究表明,学习过程中的 AG 和 AI 工具改善并扩展了学习者的多项技能 (Buchori, 2023)。AR 和 AI 在教育中的应用在激励学生学习方面具有非常重要的地位。研究表明,为 AR 技术开发的多媒体材料有助于永久学习 (Almelweth, 2022; Chiu, Hwang, Hsia, and Shyu 2022)。一些研究引起了人们对技术在艺术领域的重要性的关注。实验结果表明,在绘画、雕塑、现代艺术和建筑的发展中,实验结果能够提高创造力和想象力 (Chujitarom, 2020; Leonard, 2020; Miralay,
国家法院中心与美国律师协会特别委员会联合起草的一份提案解释了本文所报告研究的动机和背景,该提案旨在评估死刑对刑事司法系统的成本和影响。该文件 1 指出,在可能判处死刑的案件中,给予“超级正当程序”的效果是,典型的死刑案件在审判的每个阶段都比典型的非死刑谋杀案更昂贵,并建议通过在北卡罗来纳州进行的系统研究来记录这些成本。州司法研究所同意资助这项拟议研究的有限版本,并于 1991 年向北卡罗来纳州法院行政办公室 (AOC) 授予了一笔赠款。AOC 又与杜克大学签订了合同,进行研究并编写报告。我们的工作于 1991 年 9 月开始。Philip Cook 担任首席研究员,Donna Slawson 担任项目主管。1992 年 9 月,Lori Gries 加入该项目,并负责大部分数据分析的编码、数据输入和编程工作。在我们工作的过程中,我们得到了许多学生的帮助——本科生、研究生和专业人士——他们以最低的报酬提供了至关重要的帮助。我们特别感谢 Seth Blum、Ken Pettit、Rosalie Pacula、Adam Spilker、Nick Djuric、Melissa Bowden 和 Siegmund Shyu。Elaine Lamb 在项目的第一年提供了出色的文书协助。本报告的数据收集工作需要许多政府官员的合作和时间。我们非常感谢所有回答我们问题、填写问卷、向我们提供其档案数据并总体上使本项目成为可能的官员。名单很长,包括许多高等法院书记员和司法部、总检察长办公室和惩教部的个人。我们也感谢所有回应我们请求的私人律师协会成员。几位同事就本报告的早期草稿向我们提供了有用的建议和意见。我们特别感谢 Jack Boger、Stevens Clarke、Jim Coleman、Harry C. Martin、Ann Petersen 和 Elizabeth Rapaport。AOC 任命的咨询委员会在项目开始时的一次会议上提出了建议,并已收到本报告的草稿。最后,我们非常感谢 Kathy Kunst 在管理合同方面提供的帮助,并为我们提供急需的办公空间和电脑。PJC & DBS,1993 年 4 月 1. 国家州法院中心,“一项关于确定死刑对北卡罗来纳州刑事司法系统造成的额外成本(如果有)的提案”(弗吉尼亚州阿灵顿,1987 年 7 月)。
稳态视觉诱发电位 (SSVEP) 是一种与周期性视觉刺激频率锁定的大脑活动( Zander 等人,2009 年)。与其他模式(例如运动想象 (Nicolas-Alonso and Gomez-Gil, 2012))相比,SSVEP 具有相对较高的准确度和信息传输率,并且对用户所需的培训最少,因此被广泛应用于脑机接口 (BCI) 中。标准的基于 SSVEP 的 BCI 在工作空间中包含多个刺激,每个刺激以不同的频率闪烁,而脑电图 (EEG) 主要从枕叶测量。测得的 EEG 反映了用户视觉上关注的刺激的频率,以及该频率的谐波。谐波的存在为解码过程提供了更多的参考点,但也给基于 SSVEP 的 BCI 的设计带来了额外的复杂性和挑战。例如,如果同一个 BCI 中对两个不同的刺激同时使用某个频率及其谐波,那么在记录的这两个刺激的脑电图中就会有共同的频率,这可能会混淆解码算法。因此,在文献中,一些研究有意避免在刺激中使用具有共同谐波的频率(Volosyak 等,2009;Chen 等,2015)。这个谐波问题,加上人脑对周期性视觉刺激的响应频率范围有限(Regan,1989),限制了标准基于 SSVEP 的 BCI 中可使用的唯一频率的数量;即,低信噪比脑电图记录和小的频率分离会损害解码性能。因此,在需要大量唯一频率来标记所有目标的场景中使用标准基于 SSVEP 的 BCI 具有挑战性。为了解决这个问题,已经引入了多频刺激方法,在每个刺激中使用多个频率,其中两个频率(双频)是最广泛使用的模态(Shyu 等,2010;Zhang 等,2012;Chen 等,2013;Hwang 等,2013;Kimura 等,2013;Chang 等,2014;Mu 等,2021a)。然而,这些研究主要集中于介绍多频刺激方法,并没有探讨频率选择方法。随着用于标记每个目标的频率数量的增加,在每个刺激或目标上使用多个频率可以成倍增加可以在工作空间中表示的目标数量。多频刺激产生复杂的周期性刺激信号,从而触发更复杂的 SSVEP 反应。在 Mu 等人的研究中, (2021a)表明,多频率 SSVEP 响应不仅包含输入频率及其谐波,还包含输入频率的整数线性组合,这些组合具有在记录的 SSVEP 中更可能观察到的低阶相互作用。注意,相互作用的顺序定义为