Space-Track.org 是美国太空司令部的公共太空监视数据网站,拥有最完整的地球轨道人造物体卫星目录 太空办公室管理和促进 Space-Track.org 上的用户访问以及数据管理和发布
摘要 本文提出了一种使用深度学习卷积神经网络U-net对地表多时相多光谱图像进行分类的方法。使用无人驾驶飞机的多光谱光电系统获取可见光和红外图像,并用于构建该地区的正射影像图。根据获得的数据,训练神经网络来解决检测人造物体的问题。基于深度学习和热物理参数评估的远程监控对象智能识别方法允许使用遗传算法创建背景目标环境。该算法解决了热导率的系数反问题,并提供了材料热物理参数的估计。为了训练模型,引入了 18 类物体,根据人造物体和背景(人为或自然景观)之间的热对比差异进行研究。每天以 4 小时为间隔对地球表面进行 6 次勘测。该实验于2021年夏季进行,具体日期为8月4日至5日。在人造物体的检测和分类任务中,发现该模型表现出具有不同可靠性的适用性。进行的研究表明,在模型运行过程中发现了所需的对象类别。关键词1 深度学习,分类,分割,远程监控,神经网络,遗传算法,背景目标环境,光电系统,热物理参数。人工智能在远程监测数据处理任务中的应用 YY Gromov 1、IN Ishchuk 1、VV Rodionov 1
所有航天机构和公司共享太空,它们发射的卫星会造成太空拥堵和碰撞风险。它们各自发射了过多的卫星,这是因为它们未能将加剧拥堵对自身以外的其他人的影响内部化,因此存在风险。我们调查通过限制卫星发射可以在多大程度上减少太空垃圾。太空垃圾是指在地球轨道上制造的人造物体,例如旧卫星和火箭级。它包括它们解体、侵蚀和碰撞产生的碎片。今天,地球轨道上共有 20 021 个人造物体,其中包括 2 060 颗运行中的卫星。此外,轨道上还有超过 1.3 亿块小于 1 厘米的碎片,约 90 万块 1-10 厘米的碎片,以及约 34 000 块大于 10 厘米的碎片。
注意:小型车辆最多可容纳2,000公斤的低地轨道,中型车辆从2,000至20,000公斤,重型车辆超过20,000公斤。低地球轨道:低地球轨道是围绕地球的轨道,周期为128分钟或更短(每天至少制造11.25个轨道)。外太空中的大多数人造物体都位于低地球轨道上,海拔不超过地球半径的三分之一。
在这项研究中,科学家训练参与者使用三角形或正方形等提示来预期人造或自然物体。然后,对另外 24 名参与者重复整个实验,并进行功能性 MRI 扫描,以揭示大脑的哪些区域用于学习和检索信息。当预期事件(例如人造物体前的三角形)紧随类似但意外的事件(自然物体前的三角形)时,参与者的记忆力会增强。
摘要:本文针对市政管理需要,提出了基于机载激光扫描结果的数字模型的城市发展问题。介绍了空中激光扫描过程和随后对结果的相机处理。讨论了用于分析所接收信息的专用软件和作者对对象进行分类的方法。对城市模型编制领域的现有成果以及从城市区域航空测量中获得的自然和人造物体的分析进行了分析。得出结论,该技术在核算和监测城市区域对城市经济、人口生活质量和预测突发事件的影响方面具有应用和发展的前景。
人工智能 (AI) 曾经只是一些最受欢迎的科幻小说作家的幻想,但现在已在我们的日常生活中扎根。另一个成为现实的科幻小说幻想是物联网 (IoT),它是相互关联的计算设备、机械和数字机器、物体、动物或人的系统,它们具有唯一标识符 (UID),能够通过网络传输数据,而无需人与人或人与计算机的交互。物联网中的“物”可以是植入心脏监护仪的人、带有生物芯片转发器的农场动物、具有内置传感器以在轮胎气压低时提醒驾驶员的汽车,或任何其他可以分配 IP 地址并能够通过网络传输数据的自然或人造物体。
在视觉研究所内的概况,这是世界领导者之一,研究了视力和病理的研究,光子学系正在努力开发技术,这将有助于明天的生物学和诊断特征的工具。“ 3D显微镜”团队包括3个(教师 - )永久研究人员,自2017年以来已在视力研究所安装。初级教授是一名培训物理学家,在仪器光学,物理光学和显微镜方面具有丰富的经验,将开发高级的研究活动,以开发敏感,特异性且无标记允许3D成像或检测生物学或人造物体。短期或中期,所指的应用将与视力研究所的生物学和临床主题有关。
引言人工智能(AI)被定义为人造物体利用自身智能解决复杂问题的能力。人工智能将计算机科学与功能结合在一起。通俗地说,智能是一个人在现实世界中实现目标的能力的计算模块。智能被定义为思考、想象、记忆和理解、发现模式、做出决策、适应变化和从知识中学习的能力。人工智能的重点是使计算机的性能更像人类,并且在人类所需时间的一小部分内完成。因此,它被称为人工智能。人工智能还涉及以适应性强、可弯曲的系统的方式突破应用计算机科学的界限,并能够通过将一般知识应用于特定情况来形成自己的研究和解决问题的技术。