2024年9月30日，美国兰德公司发布报告《人工智能和机器学习在空间领域感知中的应用：两个人工智能案例研究的开发》。报告指出，为了满足在太空领域作战日益增长的需求，美国太空军和太空领域感知 （SDA） 运营商必须确定如何更有效地确定传感器观测的优先级，扩大规模以满足常驻太空物体的庞大数量，并发展反映轨道力学和太空作复杂性的分析能力，同时保持作战领域行动所需的响应能力。尽管人工智能和机器学习 （AI/ML） 工具有可能帮助应对这些 SDA 挑战，但这些工具对 SDA 任务整体成功的影响尚不清楚，这种缺乏理解是规划和优化这些工具集成的障碍。
本报告记录了证明 AI/ML 应用于美国太空军和太空领域感知任务时的可行性的技术方法。使用数学和数值技术估计常驻空间物体的当前和未来状态以及不确定性的能力是当前 SDA 过程的基础。作者测试了 AI/ML 算法，特别是贝叶斯神经网络，以确定它们是否适合这些任务。本报告介绍的研究侧重于更广泛的 SDA 任务集下高度资源密集型的联合评估任务。这两个案例研究侧重于神经网络的预测和分类功能，以及使用这些功能来改进连接评估。作者发现，与传统流程相比，贝叶斯神经网络在最有可能与基于风险的 SDA 决策相关的指标上提供了适当的性能权衡，与标准神经网络相比，在指标上提供了更高的性能。
原文《人工智能和机器学习在空间领域感知中的应用：两个人工智能案例研究的开发》已上传至知识星球，请扫文末二维码加入知识星球下载。加微信咨询更多精品译粹、数据库及课题研究：Lanjunqingbao2081。
关键字：人工智能，机器学习，太空感知
这是蓝军开源情报的第 324 期分享
编译 l 所长007
来源 l 蓝军开源情报（ID：Lanjunqingbao） 转载请联系授权（微信号：Lanjunqingbao2081）
一、发现
神经网络是复杂非线性函数的强大近似器。预测和分类功能可应用于具有标准和贝叶斯神经网络的 SDA 任务流程。
AI/ML 工具开发人员应专注于与运营 SDA 架构、数据基础设施和流程兼容的工具。
风险和不确定性容忍度的量化使作员或分析师能够通过根据可接受的风险设置阈值来向 AI/ML 模型提供反馈。
与标准神经网络方法相比，风险和不确定性容忍度的量化可以支持提高专注于预测和分类的 AI/ML 工具的性能。
当与 SDA 任务流程配对时，主动学习可能是一个有吸引力的 AI/ML 功能。
二、建议
AI/ML 工具的开发需要大量投资来确保高质量的训练数据。美国空军首席科学家办公室在 SDA 运营商的意见下，应考虑此类数据的可用性，以便进行 AI/ML 投资。
AI/ML 工具开发人员应考虑对工具设计有影响的 SDA 流程和限制，包括算法的选择、性能指标和基准要求。
美国国防部在开发和部署可作的 AI/ML 工具时，应继续考虑不确定性量化方法的价值。应培训 SDA作员使用这些方法提供的不确定性量化。
👇👇
加入蓝军开源情报星球会员下载1700+经典报告（以下为部分内容链接示例）
👇👇
👇👇
原价999元！ 星球试运营期间199元！ 试运营结束，恢复原价！
👇👇
推荐站内搜索：最好用的开发软件、免费开源系统、渗透测试工具云盘下载、最新渗透测试资料、最新黑客工具下载……
还没有评论，来说两句吧...