论文部分内容阅读
文中通过对美国关于人工智能等新兴技术在情报领域的应用研究,梳理了人工智能等新兴技术对美国情报界带来的巨大冲击,并通过美国国防部及各军兵种对新兴技术应用的实际案例,分析其给情报任务执行过程中带来的技术革新,预测了人工智能技术在情报领域的未来发展方向.
国外人工智能技术在情报领域的应用研究
【摘 要】
：
文中通过对美国关于人工智能等新兴技术在情报领域的应用研究,梳理了人工智能等新兴技术对美国情报界带来的巨大冲击,并通过美国国防部及各军兵种对新兴技术应用的实际案例,分析其给情报任务执行过程中带来的技术革新,预测了人工智能技术在情报领域的未来发展方向.
【机 构】
：
中国电科发展战略研究中心,北京 100041;中国电子科学研究院,北京 100041
【出 处】
：
中国电子科学研究院学报
【发表日期】
：
2022年2期
其他文献
无服务器计算是云原生应用软件开发、部署和运维的一种新范式,其主要特征是事件驱动、无状态、短运行时间、敏捷自动伸缩和低成本.应用程序被解构成多个无状态细粒度函数,可以独立开发、迭代、升级和复用.函数遵循单一职责原则,一个函数实例仅完成一种任务.函数无状态便于水平扩展,实现业务高并发.函数加载到容器中运行,容器易于打包、部署和移除,可以跨平台移植,函数运行结束后,其容器可以立即分配函数新实例,或使用定时事件周期性地运行,保持容器为暖状态,减少冷启动.无服务器零运维使开发人员专注于业务功能,云提供商负责管理基础
针对目前多种现场总线协议共存的现象,在分析了 CAN总线协议、MODBUS总线协议和HART总线协议的基础上,提出了三种总线协议转换的原理,包括总线地址转换原理、总线协议帧转换原理以及总线错误通知转换等,并在此协议转换原理的基础上,提出了现场总线协议转换硬件架构,以提升协议转换的实时性.
采用Xilinx公司的Kintex-7内部的进位链,实现了时间数字转换器(Time to Digital Converter,TDC).采用码密度校准方法对TDC进行逐位校准,标定了 TDC的码宽.码密度校准过程中发现,不同的进位链抽头位置会导致TDC的码宽不同、非线性不同,研究了 2抽头、4抽头方式下的TDC的码宽和非线性,在“Otap+3tap”的2抽头方式下,TDC可以获得较好的线性,时间分辨率为25 ps(对应最低有效位(Least Significant Bit,LSB)),微分非线性范围为-0
在一些大数据统计的网站上,我们能清晰地看到2021年8月底至9月中旬这段时间里,疫情在罗马尼亚逐渐失控.之后的每一天,新增感染者的平均数都超过了一万.?在如此背景下,茶队(TeamAster)众人掷骰子般感染了新冠病毒后,仍遭到了“为何只有你们感染”的贴标签式的质问.
期刊
恐怖事件、暴动事件、突发事件等社会事件对国家安全造成了极大的威胁,也给社会治理带来了新的挑战.事件库通过记录社会现实事件,能够在态势感知、风险预警、应急响应等社会安全应用中发挥重要作用.构建全球事件库的两个开创性项目ICEWS和GDELT最近获得了广泛关注,文中对这两个全球事件库进行了系统的分析、对比和评估,以期为事件库构建、事件抽取和事件图谱等领域提供帮助和参考.
针对水下机器人对于探测海洋具有的高灵敏度、低成本、易携带特点的要求,设计和实现面向水下 目标的双目视觉测距检测方法.采用张正友标定算法,通过使用9×9棋盘获取水下双目相机的内外矩阵模型的参数,采用SGBM(Semi-Global Block Matching)立体匹配算法,增强了图像的对比度,削弱了图像色斑的影响,保证了算法的鲁棒性,提升了匹配搜索速度.将视差图通过矩阵运算转化成深度图,并将其映射成可视化点云,构建目标物体的三维立体信息.
首先由态势处理技术发展的历程,深入辨析了感知和认知技术内涵;然后面向实体、活动及相互作用关系的识别、理解与分析研判的能力需求,以体系对抗的视角提出了态势觉察、态势理解、态势预测和态势评估4个循环迭代的态势认知核心处理环节;最后结合认知计算技术发展,分析了数据驱动下态势认知4个环节未来技术发展的脉络、重难要点,并给出了该领域技术路线选择的思考.
量子计算作为一项前沿颠覆性技术,已经引起世界主要国家和地区的广泛关注.文中系统梳理了美国、欧盟、俄罗斯、日本等世界主要国家和地区在量子计算领域的战略布局;结合近年来国内外研究成果,总结了量子硬件、量子算法、混合量子计算等核心技术的发展现状及趋势;基于军方的最新研究部署,分析了量子计算的军事应用动向;围绕IBM、Google、D-Wave、IonQ等产业链核心企业研究了量子计算产业化推进情况;最后研判未来发展趋势,提出了完善我国量子计算发展布局的思考建议.
推荐效率低、推荐质量有待提高等问题普遍存在于传统协同过滤推荐算法中,为了改善并解决这些问题,在协同过滤推荐算法中将混合聚类与用户兴趣偏好融合,经过验证推荐质量有显著提升.首先根据用户的个人相关信息构建Canopy+bi-Kmeans的一种多重混合聚类模型,采用提出的混合聚类模型把所有用户划分成多个聚类簇,将每个用户的兴趣偏好融合到生成的聚类簇中,形成新的相似度计算模型;其次利用基于TF-IDF算法的权重归类方法计算用户对标签的权重,并使融入时间系数的指数衰减函数捕捉用户兴趣偏好随时间的变化;最后使用加权融