XiaoMi-AI文件搜索系统
World File Search System系统数据
工程科学 - DergiPark
目的是通过为当今许多领域使用的面部识别系统添加功能来开发一种不同于现有面部识别系统的系统。最近，随着 Covid-19 大流行，考虑到宵禁和控制这些禁令的困难，开发了该系统以减少宵禁。进行了一项研究，在系统数据集中登记的被诊断患有 Covid-19 的人外出并被摄像机捕捉到后，会向授权人员发送电子邮件。在设计的软件中，首先使用 Haar-Cascades 分类器检测人脸，然后使用 LBPH（局部二值模式直方图）方法进行人脸识别。这个过程是通过将引入图像的每个像素与周围的其他像素匹配来标记它来实现的。该标记的结果被转换为二进制数系统并存储。它尝试通过将从摄像头实时接收到的图像与该数字进行比较来识别人脸。在识别过程中，如果该人已在数据集中注册，则会以“红色”颜色框出。未注册，它会被“绿色”框包围。摄像机识别出带有红框的人会被通知给授权人员，并将目击事件的时间、日期和身份信息通知给授权人员。该研究基于 90 帧，成功率为 84.5%，错误率为 15.5%。https://dx.doi.org/10.30855/gmbd.2020.03.01
诊断/预测算法的验证和确认
本文介绍了在先进新型武器平台中开发预测和健康管理 (PHM) 功能所面临的程序和技术挑战。在最高级别，它提出了将 PHM 优势和目标与后勤支持概念以可衡量的方式联系起来的具体策略。作者还提供了使用这种方法的示例，以确保 PHM 元素已在飞机上投入使用。在下一个级别，作者评估了 PHM 算法和传感器套件中使用的验证和确认 (V&V) 方法。前向拟合应用通常不太容易获得现场和最终系统数据，这给诊断覆盖率、检测率和误报率的验证带来了额外的障碍。作者将演示特定工具，以使用测试台开发数据、类似组件故障数据以及最终的现场数据的组合来提供 V&V 用例。将介绍故障检测、诊断和预测功能元素的指标。此外，作者还讨论了模拟和真实故障数据的使用，以及为预测系统的现场性能而开发的策略。讨论了信号噪声、测量不确定性和阈值设置的影响。还讨论了现场数据可用性的“性能指标增长”概念，并提供了这些技术和工具在应对新飞机部署挑战方面的具体应用。
诊断/预测算法的验证和确认
本文介绍了在先进新型武器平台中开发预测和健康管理 (PHM) 功能所面临的程序和技术挑战。在最高级别，它提出了将 PHM 优势和目标与后勤支持概念以可衡量的方式联系起来的具体策略。作者还提供了使用这种方法的示例，以确保 PHM 元素已在飞机上投入使用。在下一个级别，作者评估了 PHM 算法和传感器套件中使用的验证和确认 (V&V) 方法。前向拟合应用通常不太容易获得现场和最终系统数据，这给诊断覆盖率、检测率和误报率的验证带来了额外的障碍。作者将演示特定工具，以使用测试台开发数据、类似组件故障数据以及最终的现场数据的组合来提供 V&V 用例。将介绍故障检测、诊断和预测功能元素的指标。此外，作者还讨论了模拟和真实故障数据的使用，以及为预测系统的现场性能而开发的策略。讨论了信号噪声、测量不确定性和阈值设置的影响。还讨论了现场数据可用性的“性能指标增长”概念，并提供了这些技术和工具在应对新飞机部署挑战方面的具体应用。
通过基于模型的强化学习 /作者的双重钟摆的学习控制= Alberto的Dalla Libera； Turcato，Niccolò； Giocomuzzo，朱利奥；卡利，鲁格罗；罗梅雷斯，迭戈 /creationdate = 2024年10月17日 /主题=机器人学习，机器人技术< /div>
在这份简短的报告中，我们介绍了我们的团队实施的强化学习（RL）[1]来应对在IROS 2024 1举行的第二次AI奥运会竞赛的模拟阶段。The algorithm we employed, Monte- Carlo Probabilistic Inference for Learning COntrol (MC- PILCO) [2], is a Model-Based (MB) RL algorithm that proved remarkably data-efficient in several low-dimensional benchmarks, such as a cart-pole, a ball & plate, and a Furuta pendulum, both in simulation and real setups.mc-pilco也是赢得本次比赛第一版的算法[3]。mc-pilco是MB策略梯度算法的一部分。它通过与系统进行交互来利用收集的数据来得出系统动力学模型并通过模拟系统来优化策略，而不是直接在系统数据上优化策略。应用于物理系统时，这种方法可以比无模型（MF）解决方案高表现和数据效率高。本文的组织如下：第二部分介绍了竞争的目标和设置。第三部分介绍了MC-PILCO算法。 第四节报告了已经执行的实验，最后V节结束了论文。第三部分介绍了MC-PILCO算法。第四节报告了已经执行的实验，最后V节结束了论文。第四节报告了已经执行的实验，最后V节结束了论文。
诊断/预测算法的验证和确认
本文介绍了在先进新型武器平台中开发预测和健康管理 (PHM) 功能所面临的程序和技术挑战。在最高级别，它提出了将 PHM 优势和目标与后勤支持概念以可衡量的方式联系起来的具体策略。作者还提供了使用此方法的示例，以确保 PHM 元素已购买到飞机上所需的东西。在下一个级别，作者评估了 PHM 算法和传感器套件中使用的验证和确认 (V&V) 方法。在正向拟合应用中，现场和最终系统数据通常较少可用，这给诊断覆盖率、检测率和误报率的验证带来了额外的障碍。作者将演示特定工具，以使用测试台开发数据、类似组件故障数据以及最终的现场数据的组合来提供 V&V 用例。将介绍故障检测、诊断和预测功能元素的指标。此外，作者讨论了模拟和真实故障数据的使用，以及为预测系统现场性能而制定的策略。讨论了信号噪声、测量不确定性和阈值设置的影响。还讨论了具有现场数据可用性的“性能指标增长”概念，并提供了这些技术和工具在应对新飞机部署挑战中的具体应用。
诊断/预测算法的验证和确认
本文介绍了在先进新型武器平台中开发预测和健康管理 (PHM) 功能所面临的程序和技术挑战。在最高级别，它提出了将 PHM 优势和目标与后勤支持概念以可衡量的方式联系起来的具体策略。作者还提供了使用此方法的示例，以确保 PHM 元素已购买到飞机上所需的东西。在下一个级别，作者评估了 PHM 算法和传感器套件中使用的验证和确认 (V&V) 方法。在正向拟合应用中，现场和最终系统数据通常较少可用，这给诊断覆盖率、检测率和误报率的验证带来了额外的障碍。作者将演示特定工具，以使用测试台开发数据、类似组件故障数据以及最终的现场数据的组合来提供 V&V 用例。将介绍故障检测、诊断和预测功能元素的指标。此外，作者讨论了模拟和真实故障数据的使用，以及为预测系统现场性能而制定的策略。讨论了信号噪声、测量不确定性和阈值设置的影响。还讨论了具有现场数据可用性的“性能指标增长”概念，并提供了这些技术和工具在应对新飞机部署挑战中的具体应用。
推进美国的空间表征生态系统
本研究旨在为与拥挤和有争议的太空领域相关的新兴问题提供组织和技术建议。作者为词典提供了一个新颖的概念，标题为“空间表征生态系统”，以更好地定义空间领域中的关系和责任的NU，同时为问题的全球性质增添了清晰度。该研究还提供了一个空间炭化生态系统数据架构结构，以解决复杂的数据问题，以提供领导者的决策信息。通过对空间情境意识和太空领域意识领域的演变的历史分析，作者确定了新的太空表征生态系统在美国太空安全利益中发挥的重要作用。这项工作有助于讨论案件，对军事，商业和情报社区部门的相关组织进行了广泛的调查，这些组织捕捉了历史背景，以向太空社区提供各种组织和技术建议。太空学者，爱好者，运营商，工程师和领导者可能会发现动机，以解决在高度争议且竞争的太空威胁环境中获得自由行动和自由动作的问题。作者的愿望是为子孙后代建立一个二线至上的空间表征生态系统底漆，即在对美国和盟友太空安全的无休止的竞赛中扮演领导角色。
诊断/预测算法的验证和确认
本文介绍了在先进新型武器平台中开发预测和健康管理 (PHM) 功能所面临的程序和技术挑战。在最高级别，它提出了将 PHM 优势和目标与后勤支持概念以可衡量的方式联系起来的具体策略。作者还提供了使用这种方法的示例，以确保 PHM 元素已在飞机上投入使用。在下一个级别，作者评估了 PHM 算法和传感器套件中使用的验证和确认 (V&V) 方法。前向拟合应用通常不太容易获得现场和最终系统数据，这给诊断覆盖率、检测率和误报率的验证带来了额外的障碍。作者将演示特定工具，以使用测试台开发数据、类似组件故障数据以及最终的现场数据的组合来提供 V&V 用例。将介绍故障检测、诊断和预测功能元素的指标。此外，作者还讨论了模拟和真实故障数据的使用，以及为预测系统的现场性能而开发的策略。讨论了信号噪声、测量不确定性和阈值设置的影响。还讨论了现场数据可用性的“性能指标增长”概念，并提供了这些技术和工具在应对新飞机部署挑战方面的具体应用。
下一代食品系统人工智能研究所 (AIFS)
人工智能 (AI) 有潜力通过解决美国食品系统面临的最大挑战来改变美国食品系统：提高食品产量、质量和营养，减少资源消耗，提高安全性和可追溯性，以及消除食品浪费。尽管人工智能能力有了很大的飞跃，但食品系统对人工智能的应用和采用仍存在一些挑战：(1) 食品系统高度多样化和生物复杂，(2) 真实数据稀疏、昂贵且私人持有，(3) 人类的决策和偏好与食品系统供应链的每个阶段都紧密相连。为了应对这些挑战并改变美国食品系统，下一代食品系统人工智能研究所 (AIFS) 旨在开发人工智能技术并培养下一代人才，以更少的资源生产和分销更多高质量的营养食品。AIFS 有六个研究集群，包括两个基础研究领域（使用启发和基础人工智能、社会经济和伦理）和四个涵盖整个食品供应链的应用研究领域：分子育种、农业生产、食品加工和分销以及营养。AIFS 正在开发基于知识驱动和人机交互学习范式的可通用、数据高效且值得信赖的人工智能解决方案，旨在处理食品系统的多样性和生物复杂性，有效捕获和利用食品系统数据，并通过可解释性、安全性、隐私性和公平性赢得用户信任。
交会和近距操作期间自主航天器导航和控制的自适应端到端架构
航天器间会合和近距操作 (RPO) 期间的机载制导、导航和控制 (GNC) 对相关算法提出了独特的挑战。未来的任务将需要更大的机载自主性，同时保持不同距离的在轨安全保障，感兴趣的场景可能涉及多个航天器，这些航天器可能是合作的，也可能是非合作的。本文介绍了一种用于分布式空间系统的新型 GNC 软件有效载荷的构想和开发，该有效载荷可在多个物体之间实现安全、自主的 RPO，并具有最大的灵活性和模块化。导航算法融合了远距离摄像机图像、近距离摄像机图像、差分载波相位全球导航卫星系统数据和卫星间交联数据，以估计整个感兴趣范围内的绝对轨道、相对轨道、目标姿势和辅助状态。控制算法套件提供了最佳机动解决方案，可在远距离实现有效的长期编队维持、近距离实现厘米级会合精度以及快速、稳健的防撞。远、中、近距离的合作和非合作目标原型模拟展示了分布式空间系统的强大 GNC 性能，也是实现航天器灵活自主 RPO 套件完全集成的重要一步。