XiaoMi-AI文件搜索系统
World File Search System目标识别
SuperTucano_English.pdf
A-29 超级巨嘴鸟是同类飞机中最有效的多任务飞机，配备了最新一代系统，包括精确目标识别武器系统和综合通信套件。先进的 HMI 航空电子系统与坚固的机身相结合，进一步增强了其能力，能够在未铺砌的跑道上飞行，具有高水平的主动和被动生存能力。
自动化目标的认知基础...
目标识别已成为战场上不仅直升机，而且几乎所有武器平台的成功关键。其重要性既在于美国作战理论的最新发展，也在于新传感器和武器技术的发展。例如，美国夜间作战能力的利用降低了直升机和坦克识别决策可用的光学信息质量。隐身技术和快速机动战术的使用限制了可从通信和雷达等主动传感器（可提醒敌人注意自身存在）获取的信息，同时压缩了必须做出识别决策的时间。与此同时，敌人机动性和速度的提高以及敌人传感器和武器射程的扩大减少了可用于识别的时间；和信息拒绝技术（如伪装、隐身、电子对抗和战术欺骗）增加了此类决策必须解决的不确定性。在沙漠风暴行动中，9 名美国士兵和 9 名英国士兵被美国飞机误杀。但准确的目标识别早在海湾战争之前就已成为美国军方关注的主要问题（例如，参见 1991 年 3 月 25 日的《防务新闻》），并且很容易想象它在决定战斗成败方面发挥更为关键的作用的情景。
NEBS 要求：物理保护
1.1 目的和范围 ..................................1–1 1.2 服务提供商角色 ................................1–1 1.3 设备制造商角色 ...。。。。。。。。。。。。。。。。。。。。。。。。.1–2 1.4 申请指南 ...............................1–3 1.4.1 CO 和类似设施 .............................1–3 1.4.2 商业建筑 .....。。。。。。。。。。。。。。。。。。。。。。。。.1–3 1.4.3 非环境控制位置 ................1–3 1.4.4 其他位置 ...。。。。。。。。。。。。。。。。。。。。..........1–3 1.5 GR-63-CORE 的理由，第 3 期 ..........................1–4 1.6 本文件的结构和使用 ..........................1–4 1.7 相关文档 .........。。。。。。。。。。。。。。。。。。。。。。。。..1–5 1.8 需求术语 ..........................1–5 1.9 需求标签约定 ..........................1–6 1.9.1 需求及相关对象的编号 ...............1–6 1.9.2 要求、条件要求和目标识别 ...1–7
![arXiv:1905.04210v2 [cs.AI] 2020 年 2 月 14 日](/simg/g:\will\search\icon\source\1\1c7674a20e850a75c8ef4f07c3e06bef37ed2e23.png)
arXiv:1905.04210v2 [cs.AI] 2020 年 2 月 14 日
目标识别作为规划（Ram´ırez 和 Geffner 2009；Ram´ırez 和 Geffner 2010）的任务是从给定一系列观察、初始状态和观察下的代理的行为模型的一组假设中识别实际目标。目标识别作为规划的方法利用高效的规划技术和启发式信息来开发越来越准确和更快的目标识别方法。大多数方法根据比较最佳计划的成本和受约束以遵守或避免观察的计划的成本的指标来选择目标。这些方法在计算或近似这些成本的方式上有所不同。虽然有些方法使用规划器计算这些成本（Ram'ırez 和 Geffner 2009；Ram'ırez 和 Geffner 2010），但其他方法使用启发式函数的复杂结构来近似它们（E-Mart'ın、R.-Moreno 和 Smith 2015；Vered 等人2018），或者尝试通过在动作描述中引入权重来明确应对缺失和嘈杂的观察（Sohrabi、Riabov 和 Udrea 2016）。相比之下，最近的研究（Pereira、Oren 和 Meneguzzi 2017）引入了识别启发式方法，使用来自规划实例结构的信息来从一组目标假设和观察中识别实际目标。他们都试图平衡速度
介绍基于vep的准周期和混乱的bci
视觉诱发电位（VEP）对周期性刺激通常用于大脑计算机界面中的有利特性，例如高目标识别精度，较小的训练时间和较低的目标干扰。传统的周期性刺激会导致由于连续和高对比度刺激而导致主观的视觉疲劳。在这项研究中，我们将准周期和混乱的复杂刺激与常见的周期性刺激进行了比较，以与基于VEP的大脑计算机界面（BCIS）一起使用。规范相关分析（CCA）和相干方法用于评估三个刺激组的性能。通过视觉模拟量表（VAS）评估了由提出的刺激引起的主观疲劳。使用M2模板方法使用CCA，与Quasi-periodic（M = 78.1，SE = 2.6，P = 0.008）和周期性（M = 64.3，SE = 1.9，SE = 1.9，P = 0.0001）相比，混乱刺激的目标识别精度最高（M = 86.8，SE = 1.8）。对疲劳率的评估表明，与准周期性（p = 0.001）和周期性（p = 0.0001）刺激组相比，混乱刺激引起的疲劳较少。另外，与周期性刺激相比，准周期性刺激导致疲劳率较低（p = 0.011）。我们得出的结论是，与具有CCA的其他两个刺激组相比，混沌组的靶标识别结果更好。此外，与周期性和准周期性刺激相比，混乱的刺激导致主观视觉疲劳较少，并且可以适合设计新的舒适的基于VEP的BCIS。
通过小波压缩提高带宽利用率
传播、下载数据 1 持久自由行动 (OEF) 是阿富汗战争的正式名称，该战争始于 2001 年 10 月，至今仍在进行中。伊拉克自由行动 (OIF) 是伊拉克战争的正式名称，该战争始于 2003 年 3 月，结束于 2011 年 12 月。 2 X 波段是电磁频谱微波无线电区域的一部分，雷达频率为 8.0 – 12.0 GHz。X 波段的较短波长允许高分辨率成像雷达提供更高分辨率的图像，以进行目标识别和区分。
侧扫声纳标准操作程序手册
前言 本标准操作程序 (SOP) 文件旨在为 DMF 员工提供统一、标准化的指南和要求，以便他们进行、处理和生成侧扫声纳调查，用于各种目的，包括栖息地测绘和目标识别。本手册总结了当前的最佳实践，并利用了其他类似指导文件中的信息，包括 NOAA 水文调查现场程序手册 (2010 年 4 月)、欧洲海底栖息地测绘侧扫声纳推荐操作指南 (ROG) (2005 年 8 月)，以及制造商指南中描述的参考设备程序。变更历史 本文档需要定期更新。有关手册的更改建议和其他意见应通过电子邮件发送至 steve.voss@state.ma.us 。
负责在军事系统中负责使用AI
在军事环境中最引人注目的人工智能（AI）是武器系统，具有识别包括人类战斗人员在内的目标并自主接触的目标。想象一辆具有图像识别技术的无人机，能够通过其制服来识别敌人的战斗人员，并有权用步枪对准他们，而无需任何人类参与目标识别或参与。这样的系统与美国国防部的指令3000.09符合“自动武器系统”的定义，因为“一旦激活，[IT]可以选择和参与目标，而无需由操作员进一步干预'（2023，第21页），而俗话说则可以描述为人类的“脱节”。鉴于这种制度的严重后果，并杀死了战争法律免受致命武力的人的严重后果 - 包括平民，正在投降或正在竞争的敌方战斗人员，甚至对友谊武力构成风险，这并不奇怪地提出了对使用AI
使用人工智能将数据转化为见解并推动基于证据的决策
Peraton结合了开创性的应用研究，包括Peraton Labs的分析。Peraton Labs的研究人员创建和实施创新的AI/ML技术，以应对大数据分析，无线网络，电子战和网络安全的关键挑战。我们努力的关键是世界一流的研究，用于开发高级ML功能，并将其应用于网络防御和自动化目标识别到频谱分析，愿景以及建模和模拟的问题。作为一个例子，我们的突破ML范式，使用特权信息学习，模仿人类学习的过程，以极大地提高数据分析的ML的准确性和速度，包括预测和异常检测。