• 随着时间的推移 • 70 年代 – 一些活动,但主要是遵守 OSHA 的创作 • 80 年代 – James Reason 的瑞士奶酪模型 • 90 年代 – BBS 观察计划(STOP、BST、安全绩效系统、SafeTrack 等)• 90 年代末 – Larry Wilson 与 SafeStart(意识和技能)和 Scott Geller(以人为本的安全/积极关怀) • 2000 年代 – 2020 年代 – Dekker/Reasons(公正文化)、Hollnagel(安全 2)和 Conklin/其他人(HOP)
高的问题,在全面进入 2D 数字屏幕界面阶段后,飞 机座舱只有少数的传统机械仪表被保留,大部分的飞 行信息数据都由计算机分析后再在主飞行显示器 ( PFD )上显示出来,这种获取信息的方式大大增强 了飞行员驾驶的安全性。平视显示器( HUD )是飞机 座舱人机交互界面的另一种形式。 HUD 可以减少飞 行技术误差,在低能见度、复杂地形条件下向飞行员 提供正确的飞行指引信息。随着集成化和显示器技术 的不断进步, 20 世纪末至今,飞机座舱有着进一步 融合显示器、实现全数字化界面的趋势。例如,我国 自主研发生产的 ARJ21 支线客机、 C919 民航客机, 其座舱的人机界面设计均采用触控数字界面技术代 替了大部分的机械仪表按钮 [2] 。 20 世纪 70 年代,美军在主战机上装备了头盔显 示系统( HMDs ),引发了空中战争领域的技术革命。 在虚拟成像技术成熟后,利用增强现实( AR )技术 可以直接将经过计算机运算处理过的数据和图象投 射到驾驶员头盔的面罩上。例如,美国 F-35 战斗机 的飞行员头盔使用了虚拟成像技术,将计算机模拟的 数字化信息数据与现实环境无缝融合,具有实时显示 和信息叠加功能,突破了空间和时间的限制。 20 世纪 90 年代,美国麦道飞机公司提出了“大 图像”智能化全景座舱设计理念,之后美国空军研 究实验室又提出了超级全景座舱显示( SPCD )的概 念,充分调用飞行员的视觉、听觉和触觉,利用头 盔显示器或其他大屏幕显示器、交互语音控制系统、 AR/VR/ MR 系统、手 / 眼 / 头跟踪电子组件、飞行员 状态监测系统等,把飞行员置身于多维度的显示与 控制环境中。此外,在空间三维信息外加上预测信 息的时间维度功能也是未来座舱显示器的发展趋势 [3] 。 2020 年,英国宇航系统公司发布了一款第六代 战斗机的概念座舱,去除了驾驶舱中所有的控制操 作仪器,完全依靠头盔以 AR 形式将操作界面显示 出来。由上述分析可知,未来基于 XR 环境下的虚拟 增强型人机界面将成为飞机座舱人机交互的全新途 径之一。 在学术界,有关飞机座舱人机交互界面的研究也 取得了较为丰硕的成果,其中代表性研究成果见表 1 。
为了充分理解利比里亚对《1990 年代最不发达国家行动纲领》执行情况评估的背景和内容,必须考虑该国的特殊国情。利比里亚是一个西非小国,人口 250 万。该国在 1960 年代和 1970 年代经历了强劲的经济增长,主要以铁矿石和天然橡胶为主导的出口繁荣。在 1971 年达到 5.5% 的峰值后,1970 年代的增长开始下降到 1960 年代的水平以下。1975 年,经济增长率为 3.7%。整个 1980 年代的年均增长率主要是负增长,到 1985 年接近 4.5%。1980 年代的复苏措施只能将这十年的年均增长率提高到 0.7%。 20 世纪 80 年代利比里亚经济持续下滑,主要是由于对外贸易条件恶化和经济管理不善,外债拖欠不断增加,导致利比里亚与国际债权国和捐助国的关系破裂。
为了充分理解利比里亚对 1990 年代最不发达国家行动纲领执行情况评估的背景和内容,必须考虑该国的特殊国情。利比里亚是一个西非小国,人口为 250 万。该国在 1960 年代和 1970 年代经历了强劲的经济增长,主要以铁矿石和天然橡胶为主导的出口繁荣。在 1971 年达到 5.5% 的峰值后,1970 年代的增长率开始下降到 1960 年代的水平以下。1975 年,经济增长率为 3.7%。整个 1980 年代的年均增长率主要是负增长,到 1985 年接近 4.5%。1980 年代的复苏措施只能将这十年的年均增长率提高到 0.7%。 20 世纪 80 年代利比里亚经济持续下滑的主要原因是其对外贸易条件恶化和经济管理不善。该国的外债拖欠也不断增加,导致其与国际债权人和捐助者的关系破裂。
无损检测性能要求的演变是由质量要求的发展决定的。因此,这些技术的发展历史 [1] 以检查目标的演变为标志:20 世纪 60 年代的“零缺陷”目标在 20 世纪 70 年代被检测“关键缺陷”的目标所取代,随后在 20 世纪 70 年代至 80 年代又被提高缺陷可检测性的目标所取代。应该指出的是,无损检测 (NDE) 一词就是为这种缺陷表征的演变而发展起来的。20 世纪 80 年代至 90 年代,目标是对易老化的系统和结构进行持续和改进的无损检测。20 世纪 90 年代至 21 世纪,出现了对大面积检查的需求,需要通过结构健康监测 (SHM) 持续监测某些结构的健康状况,同时降低检查和其他评估的成本。
摘要:区域气候模型(RCM)是模拟和研究区域气候变化和变化的重要工具。但是,它们的高计算成本限制了区域气候预测的全面合奏,涵盖了各个地区的多种情况和驱动全球气候模型(GCM)。RCM模拟器基于深度学习模型最近被引入了一种具有成本效益且有希望的替代方案,仅需要简短的RCM模拟来训练模型。因此,评估其转移性到不同时期,场景和GCMS成为一个关键而复杂的任务,其中GCM和RCMS的固有偏见起着显着的作用。在这里,我们通过考虑文献中引入的两种不同的仿真方法的关注,并在这里分别称为完美预后(PP)和模型输出统计量(MOS),遵循良好建立的降水术语。除了标准评估技术外,我们还通过可解释的人工智能(XAI)的方法扩展了分析,以评估模型学到的经验联系的物理一致性。我们发现,两种方法都能够在不同的时期和场景(软传递性)中模仿RCM的某些气候特性,但是仿真函数的一致性在AP的范围之间有所不同。虽然PP学习了鲁棒且身体上有意义的模式,但MOS结果在某些情况下依赖于GCM,并且在某些情况下缺乏物理一致性。这限制了其适用于构建RCM结束的适用性。由于存在GCM依赖性偏差,将仿真函数转移到其他GCM(硬传递性)时都面临问题。我们通过为未来的申请提供前景来得出结论。
数字化转型是现代经济中广泛使用的一个术语,但它已经以各种形式存在了很多年,甚至几十年了。追溯它的起源实际上就是要追溯到多久以前。是从 20 世纪 60 年代和 70 年代的大型机,到 20 世纪 80 年代和 90 年代个人电脑的广泛采用,这得益于微处理器和图形用户界面,使计算更便宜,更易于大众使用?这些早期的例子都与一个共同的主题有关——即利用技术提高任务的速度和简化程度。
在我最近的两篇专栏文章(2023 年 6 月和 2023 年 12 月)中,我追溯了人工智能 (AI) 作为智力品牌和计算机科学分支领域的历史,从 1955 年诞生到 1970 年代末。虽然我承认人工智能从 1960 年代中期开始受到高度质疑,但我认为 1970 年代是人工智能研究界稳步增长的时期。与普遍看法相反,1970 年代的“第一个人工智能寒冬”从未发生过。相比之下,1980 年代,以专家系统方法为中心的政府资助的人工智能泡沫迅速膨胀,泡沫破裂开启了真正的人工智能寒冬:长达二十年的低迷。我将在这里讲述这个故事,但首先我想谈谈人工智能的成熟在教科书和计算机科学课程中是如何体现的。