XiaoMi-AI文件搜索系统
World File Search Systemobjects
空间物体分类选定算法的分析
摘要 随着来自世界各地众多设施的天文数据的增加，对更快、更复杂的数据分析方法的需求也随之出现。对天空中大量物体的大量观察所捕获的数据可以非常快地达到很大的体积，这使得科学家无法手动分析。这就需要快速可靠的自动化数据处理方法，这可以在计算机科学研究中找到。利用不同研究领域使用的算法对于处理有关天体的信息至关重要。在这项工作中，我们将计算机科学领域的机器学习方法应用于天文学问题。我们列出了三种不同的机器学习算法及其内部工作原理，并展示了如何将它们应用于天文学问题。我们展示了如何使用这些算法来加速大量数据的处理，以及它们如何帮助科学家对天体进行分类。我们研究了每种算法的表现，并尝试根据不同物体的特征，在分类问题中找到表现最佳的算法。关键词 knn、朴素贝叶斯、决策树
局部磁异常中铁磁性物体的探测...
在地质研究中，人们采用多种方法来勘探自然资源。大面积研究时会使用飞机、直升机和无人机 ( 无人驾驶飞机 ) 。研究中采用重力、电磁和磁力方法。重力法可以测量地球重力的微小变化 [1]。现代重力仪的灵敏度小于 1 mGal (1 Gal = 10 −2 m/s 2 )。重力仪可以测量接近 10 −6 g 水平的地球重力变化。莫斯科的 Gravimetric Technologies Ltd. 公司是少数几家领先的高灵敏度重力仪制造商之一 [2]。安装在 Cessna 404 飞机上的 GT-1A 重力仪如图 1 所示 [3]。自然资源矿床也是通过应用电磁法发现的。第一个电磁系统出现并开发于 20 世纪 20 年代的斯堪的纳维亚半岛、美国和加拿大。电磁法用于测量土壤的电导率。电磁系统安装在飞机或直升机上。大型线圈由直升机牵引或由飞机携带。线圈中的电流脉冲产生强磁场（一次磁场），该磁场穿透地球各层（图 2）。随时间变化的磁场在土壤中产生涡流。关闭线圈中的电流后，只有涡流产生磁场（二次磁场）
活生生的技术自然：生物混合物体、生命和技术
模仿自然解决技术问题的进化算法、将植物变成活数据档案的合成 DNA 以及在生物体内使用自主机器只是几个例子，表明生命与技术之间的界限在 21 世纪初已经变得模糊不清。虽然生物体的技术化历史悠久，但如今在生物信息学、分子生物学和其他领域可以观察到技术日益生物化。这一发展的特点是学科和方法论界限的跨越。越来越难以说出生物学与技术、科学与经济、代表与干预之间的界限在哪里。事实上，生物体和技术不再被认为是本体论上不同的实体。相反，生物和技术系统似乎正变得越来越交织在一起，并在这一过程中交换属性。在这种背景下，自然本身越来越成为技术设计和经济投资的构建工具和资源。
SGOF：多个假设测试
Wush Wu [ctb]（），Qiang Kou [ctb]（） https://orcid.org/0000-0001-8804-4216>），米歇尔·兰[CTB]（） https://orcid.org/0000-0003-4198-9911>），Radford Neal [ctb]（），KENDON BELL [CTB] Matthew de Queljoe [CTB]，Dmitry Selivanov [CTB]，Ion Suruceanu [CTB]，Bill Denney [CTB]，Dirk Schumacher [CTB]，AndrásSvraka[CTB]，Sergey Fedorov [CTB] https://orcid.org/0000-0003-1878-3253>），Floris Vanderhaeghe [CTB]（），Kevin Tappe [CTB] PEIKERT [CTB]（），Mark van der loo [ctb]（） https://orcid.org/0000-0003-2555-3878>），Moritz Beller [CTB]（），塞巴斯蒂安·坎贝尔（Sebastian Campbell） https://orcid.org/0000-0002-1576-2126>），Dean Attali [CTB]（），Michael Chirico Kevin Ushey [CTB]
英国外层空间对象的补充注册表
3引言54 SES-10 4术语术语表55 Telesat phase 1 LEO 5 MARCSB-1A 56 SES-14 6 INTELSAT 603 57 KASSTSAT 59 HS3-IS 9 I2-F2 60 SES-110 SES-111 10 I2-F3 61 SES-11SES-11SES-11SES-11 SES-11 I2-F4 62 SEAHAWK-1 12 SEAHAWK-1 12 s80/TATINES 64 33 dAD vinst-14 44 33 vinst-14 44 XXIII 14 Posat-1 65 Kazzosat-2 1 Kitsat-2 (Kitsat-B) 66 Picasso 16 Healthsat-II 17 NATO IVB Gibraltar 18 Fasat-alpha 67 Satcom-c4 19 i3-F1 68 Ge Satcom-1a (NSS-11) 20 i3-f2 69 Ses-7 (Protoster II / Indors) 21 i3-f3 70 Ses-3 22 intelsat 26 23 ii cayman islands 24 i3-f4 71 zenit 3 rocket booster (demosat) 25 tsat-1 72 zenit 3 rocket booster (directv-R1) 26 thor III 73 Zenit Rocket Booster (ICO#1) 27 i3-f5 28 Galaxy 27 29 tsinghua-1 30 ICO-F2 31 Artemis 32 Srius 4 33 SSTL DEIMOS-1 34 Ses-1 35 Astra 1n 36 n2 37 Nigeriasat-x (NX) Ses-2 39 NSS14 (SES-4) 40 ADS-1b (exactview-1) 41 Astra 2f 42 Ses-6 43 Astra 2e 2e 44 Ses-8 45 Astra 5b 46 Astra 2g 2g 47 Alsat-1b 48 rapideye-1 5 rapideye-2 51 rapideye-3 52 RAPIDEYE-4 53 RAPIDEYE-5
检测到的物体的金属探测器信号印记 - CORE
人道主义排雷任务是将操作员安全和时间消耗作为关键问题的活动。为了提高我们一直在使用的 ATMID 金属探测器的识别能力，我们扩展了探测器的功能，在探测器头部安装了惯性测量单元 (IMU)，并辅以两个光学距离传感器。这使我们能够根据 IMU 在所有三个轴上测量的加速度和角速率进行航位推算。光学距离传感器已用于补偿目的和初始距离测量。我们的主要目标是将探测器感测到的磁性印记与其头部的精确定位互连，从而估算印记尺寸及其位置。由于基于低成本微机电系统 (MEMS) 的 IMU 实现，我们不得不处理不稳定的航位推算结果。为此，我们使用了我们设计的复杂磁标记 (CMM)，它可以标出搜索区域，并为我们在其两个边缘提供精确定位。本文的主要贡献在于研究和识别 CMM 磁印特征及其与 CMM 在排雷过程中使用的各个方面及其条件相关的差异。根据几个实验室实验研究和分析了 CMM 的特性，并给出了结果。
使用 IoSiS 对太空中的卫星和物体进行高分辨率成像
如今，空间碎片已成为卫星系统的主要威胁之一，尤其是在低地球轨道 (LEO) 上。据官方估计，有超过 700,000 个碎片物体有可能摧毁或损坏卫星。通常，无法从地面直接识别撞击的影响。但是，高分辨率雷达图像有助于检测这种可能的损坏。此外，还可以对未知的空间物体或卫星进行调查。因此，DLR 开发了一种名为 IoSiS（太空卫星成像）[2, 3] 的实验雷达系统，该系统基于现有的转向天线结构和名为 GigaRad [1] 的多用途高性能雷达系统，在传播方向上的分辨率优于 5 厘米。在横向或方位角方向上，通过使用逆合成孔径雷达 (ISAR) 技术，可以获得高空间和距离独立分辨率。该技术基于沿合成孔径从不同角度对物体进行相干观察，需要在轨道通过期间精确跟踪物体。因此，要在距离和方位角上获得相似的分辨率，就必须进行宽方位角观测。对于一个 ISAR 图像，5 厘米的预期空间分辨率意味着大约 25° 的观测角。如此高的空间分辨率不是遥感雷达应用的标准。目前的地球观测系统实现的分辨率在几分米的数量级，比现有系统差一个数量级。因此，这种改进需要相应更高的系统和轨道校正性能。特别是，对雷达电子设备、天线和馈电频率响应进行足够精确的校准至关重要。此外，还必须对观测物体进行精确的轨道测定。本文概述了 IoSiS 雷达系统的主要技术特点。讨论了主要的误差源和相应的解决方案。说明了最终生成几厘米分辨率的雷达图像的校准工作。
被动RF支持紧密间隔对象方案
在太空领域意识（SDA）任务领域，尤其是地球同步轨道，在现有的太空监视网络（SSN）和商业市场中，主要有两个现象，用于观察，测量和表征近距离空间对象（CSO）：地面基于雷达和电动光电传感器。这些现象学和能力在SDA社区中是众所周知的，但跌倒了。本文将介绍并强调强大的SDA现象学，被动射频（RF）的独特能力。被动RF天线可用于支持CSO场景，以进行独特的卫星识别和通过操纵检测产生ephemeris。通过观察每个卫星自己的RF传输，它将涵盖用于轨道测定和操纵检测的独特，高度准确的，非交叉标记的测量结果。包括现实世界的商业示例，用于突出这种能力和对分析的讨论。
在EOSC-LIFE工作流程中实现公平的数字对象
工作流语言（CWL）[15]，更具体地说是抽象的CWL [20]（不可执行）描述变体，伴随本机工作流定义。这以跨工作流语言的互操作方式呈现结构，组成的工具和外部接口。wfms可以生成抽象的CWL，已经为银河系演示，旁边是“本机” Galaxy Workflow描述。此语言二元性是可重复性的重要保留方面，因为可以独立于其本机格式作为CWL访问工作流的结构和元数据，即使可能不再可执行，也可以以公平的格式捕获规范的工作流。本机格式的共同存在可以从特定的WFM中直接重复使用，从而受益于其所有功能。●使用最小信息模型的有关工作流及其工具的元数据：我们使用BioSchemas [16]配置文件
金属探测器探测物体的信号印记 - CORE
人道主义排雷任务是将操作员安全和时间消耗作为关键问题的活动。为了提高我们一直在使用的 ATMID 金属探测器的识别能力，我们扩展了探测器的功能，在探测器头部安装了惯性测量单元 (IMU)，并辅以两个光学距离传感器。这使我们能够根据 IMU 在所有三个轴上测量的加速度和角速率进行航位推算。光学距离传感器用于补偿目的和初始距离测量。我们的主要目标是将探测器感测到的磁性印记与其头部的精确定位互连，从而估算印记尺寸及其位置。由于基于低成本微机电系统 (MEMS) 的 IMU 实现，我们不得不处理不稳定的航位推算结果。为此，我们使用了我们设计的复杂磁性标记 (CMM)，它标出了搜索区域，并为我们提供了其两侧的精确定位。本文的主要贡献在于研究和识别了 CMM 磁印特征及其与 CMM 在排雷过程中使用的各个方面及其条件相关的差异。根据多项实验室实验研究和分析了 CMM 的特性，并给出了结果。