XiaoMi-AI文件搜索系统
World File Search System空间域
通过隐基因遗传算法优化多航天器地月空间领域感知系统
本文提出了一种优化问题公式，以通过多航天器监测解决地月空间域感知 (SDA) 的挑战。由于关注点范围广以及动态环境丰富，传统的地球架构设计方法难以满足地月 SDA 的设计要求；因此，越来越需要在地月轨道上部署多航天器系统以实现 SDA。基于多航天器的地月 SDA 架构的设计会产生一个复杂的多目标优化问题，其中必须同时考虑航天器数量、可观测性和轨道稳定性等参数。通过使用多目标隐基因遗传算法，本研究探索了与地月 SDA 问题相关的整个设计空间。演示案例研究表明，我们的方法可以提供针对成本和效率进行优化的架构。
课程目标和课程成果 2022-23 学期
不同领域 了解模糊逻辑及其应用 演示模糊逻辑及其应用 了解粗糙集理论及其用法 解释粗糙集理论及其作为软计算的用途 培养对单目标优化的理解 使用 Gas 关联单目标优化问题 介绍人工神经网络及其应用 描述人工神经网络及其应用 了解软件测试基础/原理 按照软件测试生命周期制定问题 学习软件测试的系统方法 为软件测试方法设计手动测试用例 探索测试软件的方法和工具 通过测试工具展示测试自动化的使用 解释管理的法律规定和职能。分析人力资源和财务管理在组织中的作用。分析项目生命周期。 确定商品和服务营销的工具和技术 描述像素之间的基本关系 探索空间域和频域中的图像增强技术
白天光学对低地球轨道及时空间领域感知的贡献
随着低地球轨道 (LEO) 上的物体密度不断增加，对选定感兴趣物体的时间关键空间域感知 (SDA) 信息的需求也随之增加。虽然雷达系统提供了大部分 LEO 跟踪数据，但它们的每传感器总成本阻碍了其广泛普及，并导致时间覆盖缺口，从而阻碍决策。在本文中，我们研究了一个假设的低成本天体光学望远镜系统网络（全天候活动）如何补充雷达系统，以增强对任何给定的可探测 LEO 物体子集的监管。我们执行传感器访问和数据质量模拟，考虑天气、太阳排斥、容量和精度限制，以呈现显着的性能统计数据，例如自上次观察以来的时间延迟和位置知识误差。我们得出结论，尽管存在某些限制，但天体光学系统可以提供一种廉价而有效的方法来增强及时的 LEO SDA。
可编程电子诱导的颜色路由器阵列
摘要颜色路由器（CRS）的开发意识到了二分法成分的分裂，这有助于调节光子动量，该光子动量充当了频率和空间域上光学信息技术的信息载体。然而，具有光刺激的CRS由于光学衍射极限而缺乏在深度下波长尺度上的光子动量的主动控制。在这里，我们在实验上证明了通过电子诱导的CR在深度下波长尺度上进行二分光光子动量的主动操纵，在该CRS辐射模式中，通过将电子撞击位置转向单个纳米ante单位中的60 nm内，可以操纵CRS辐射模式。此外，设计和实现了基于CR数组的可编程调制的加密显示设备。这种方法具有增强的安全性，大信息能力和高级量表的高级集成，可以在量子设备和量子信息技术中的光子设备和新兴区域中找到应用。
天文图像中的自动卫星检测和天空位置提取
提供完整的卫星和轨道碎片普查始于高效探测这些物体并可靠地确定其轨道（空间域感知或 SDA）。荷兰皇家空军 (RNLAF) 表示需要开发一种能够为 SDA 做出贡献的系统。广域、高节奏的天文勘测监测了大部分天空，为轨道确定提供了一个有前途的平台。例如，智利的 MASCARA 仪器使用五台固定的广角摄像机以 6 秒的节奏连续监测当地夜空。在这些图像中，卫星由于其长条纹状外观而易于与其他物体区分开来。但是，为了最大限度地发挥这些丰富数据的实用性，应几乎即时提取有关卫星的信息。我们开发了一种新颖的管道，可以几乎即时自动检测卫星条纹并从天文数据中提取位置信息。我们在本文中解决的主要挑战如下：处理速度（即跟上传入的数据流）和卫星天空位置自动提取的准确性。
低成本、大尺寸、抗辐射、中波和长波红外焦平面阵列
扩散式卫星星座为导弹发射检测、低信噪比 (SNR) 红外搜索与跟踪 (IRST) 以及空间域感知提供了极具吸引力的解决方案。与将资产置于地球静止轨道 (GEO) 相比，低地球轨道/中地球轨道 (LEO/MEO) 的 Delta-V 较低，地面和大气分辨率以及可实现的 SNR 更高，并且技术更新可以更容易地完成。此外，分散式星座能够更好地吸收单个资产的损失，而不会遭受相应的系统能力损失，尤其是在采用平台网络和冗余时。部署多达数百颗卫星的星座的一个主要考虑因素是，与它们要取代的少数 GEO 资产相比，它们的实施必须在不大幅增加成本的情况下完成。此外，部署必须在短时间内（而不是几十年）完成才能实现运营效率，因此实现高制造率的能力至关重要。最后，虽然卫星平台、通信系统和处理的价格已经下降，但传统使用的红外传感器的价格却没有下降。
通过多切片联合建模构建三维全生物体空间图谱
图 1：STitch3D 概览。a. 来自多个 ST 组织切片的原始数据和来自参考 scRNA-seq 数据集的细胞类型特异性基因表达谱作为 STitch3D 的输入。b. STitch3D 的预处理步骤包括对来自不同组织切片的斑点进行对齐以构建斑点的 3D 位置，以及构建全局 3D 图。STitch3D 的主模型结合这些结构来执行表示学习，用于 3D 空间域识别和 3D 细胞类型反卷积。c. STitch3D 输出 3D 空间区域识别结果和组织中不同细胞类型的 3D 空间分布估计。STitch3D 还支持多种下游分析，包括空间轨迹推断、低质量基因表达测量值的去噪、虚拟组织切片的生成以及具有 3D 空间表达模式的基因识别。d. STitch3D 对多个切片进行联合建模，并利用基于图注意的神经网络学习具有 3D 空间信息的斑点和细胞类型比例的潜在表示。
对脑电图分类的不同数据集进行预培训
脑电图（EEG）分类任务由于其高应用值而引起了人们的关注。同时，语言处理领域中一般培训模型的巨大成功激发了我们挖掘EEG预先训练模型的功能。该模型有望适应各种下游任务。但是，当前的研究要么忽略EEG信号中的时间或空间域，要么仅在预训练中使用单个数据集。提出的时间空间预测（TSP）模型有效地解决了这些问题。具体来说，TSP endoer的输出用作两个任务的输入：空间预测，即屏蔽的自动编码器和时间预测，即，contrastive的预测编码。此外，为了提供更多多样化的信息，从而使下游微调受益，我们将TRAIN TSP预先在具有四个不同数量的渠道的六个大型脑电图数据集上。在三个公共下游数据集种子，种子-IV，TUEV上结果表明，TSP在不同的EEG分类任务上实现了最先进的性能。此外，根据消融实验，TSP的性能优于单域方法，即时间预测（TP）模型和空间预测（SP）模型。
具有低保真度传感器和观察者不确定性的地月空间数据采集
随着民用和军用领域对地月空间的兴趣日益增加，对地月空间物体的空间域感知 (SDA) 的需求也随之增加。地月空间的太空 SDA 具有挑战性，部分原因是难以准确估计观测卫星的位置，而准确估计是有效执行 SDA 任务的必要条件。使用多颗配备低保真度设备的观测卫星有助于缓解这些问题，因为可以将方差较大的多个数据集聚合在一起，以实现与较少高质量测量系统相同或更高的精度。地月周期轨道用于观测星座，目标航天器位于 L1 Halo 轨道上。所有轨道均使用圆形限制三体问题 (CR3BP) 建模。系统工具包 (STK) 用于计算轨道几何形状和角度 - 仅提取测量值以模拟带有光学传感器的观测航天器。然后利用扩展卡尔曼滤波器处理测量数据以估计目标航天器的位置。分析重点是比较不同数量的观测航天器的有效性。模拟结果发现，使用低保真度星座可以达到高保真度星座所达到的性能。