亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

本研究的主要目的是為太空力量軍事理論奠定基礎。本研究進而確定軍事理論的普遍邏輯基礎必須如何與每個獨立戰爭領域的不同假設相結合，以建立該領域獨特的戰爭理論。一個領域的軍事理論不能簡單地嫁接到其他領域。海軍和空軍理論并不也是太空力量理論。相反，過去的軍事理論作為研究戰爭領域獨特性的起點。

本研究首先考察了陸、海、空三軍的歷史戰爭理論，從而確定了四個基本問題，這四個問題的答案促成了獨立的海空戰爭理論的產生。這四個問題分別圍繞著國家或軍事力量的四個要素：集中、交通線、攻防和政治目標。本著作的主要內容就是針對太空力量的具體情況詳細回答和研究這四個問題。

為了解釋太空力量集中的概念，引入了積極（有益）和消極（剝奪）太空力量這兩個術語。分別為正太空力量和負太空力量提出了相應的競爭和沖突連續體。關于太空通信線路，發現太空的廣袤和對光子（光基）通信及地面補給的依賴為太空領域帶來了一系列奇特的動態。這些動力--頻譜優勢、自適應后勤、太陽能--以意想不到的方式影響著太空戰的進行。為避免太空理論過于復雜化，將克勞塞維茨以陸地為中心的攻擊和防御定義重新應用于非地球環境。運用這些更新的定義，本研究表明，通過不對稱戰爭剝奪太空力量是目前最有效的戰略。反過來，也表明，通過對稱的方式，即大多數國家都建立類似的太空資產，獲得有利的太空力量通常是最有效的。最后，確立了太空力量在國家整體政治和軍事戰略中的重要性。本文認為，太空專業人士既要認識到太空為其他領域的戰爭提供了關鍵的聯系，又要認識到太空戰的計劃和實施必須有別于其他領域的沖突。

最終，本著作得出結論，太空力量的最佳尋求方式是了解國家力量從太空中的剝奪和衍生。在不久的將來，無論是小國還是大國，太空力量都將成為經濟和軍事話語中日益重要的組成部分。因此，本著作摒棄了對其他領域軍事理論的簡單套用，而是將太空作為一個獨立、獨特的作戰領域進行研究，力求使太空領域的軍事理論規范化、嚴謹化。

圖 2. 以航天器為目標的常見天基或地基武器（改編自國防情報局《太空安全面臨的挑戰》，10）

每年報告的網絡安全事件數以千計。大多數復雜的網絡攻擊都有一個階段，在這一階段，攻擊者會繪制目標系統和網絡的地圖。攻擊者利用這些信息專門設計攻擊，使其盡可能高效和有效。為減少網絡枚舉，可以采取的一種網絡安全措施是部署偵察欺騙系統（RDS）。RDS 可混淆網絡拓撲結構，防止可疑主機收集情報用于未來攻擊。實現 RDS 的一種方法是使用軟件定義網絡。然而，以往對這些系統的研究存在諸多限制，如白名單靜態網絡布局、過時的軟件庫、無法跨多個計算機網絡交換機運行以及集中式軟件定義網絡（SDN）控制器等。

本研究設計并實施了分布式偵察欺騙系統（DRDS），這是一種分布在多個控制器上的 RDS，能夠在多個交換機上部署偵察欺騙。DRDS 的功能測試和路由性能對照其他兩個網絡路由解決方案進行評估：一個是使用傳統第 2 層和第 3 層網絡設備的傳統網絡解決方案，另一個是部署第 2 層轉發的集中式開放網絡操作系統控制器方案。功能測試證明，在 100%的測試場景中，系統都能正確地路由流量，這些流量包括互聯網協議、地址解析協議和互聯網控制消息協議信息。此外，在每個測試案例中，系統都能減少網絡枚舉。與傳統網絡解決方案相比，在 89.6% 的測試網絡通信場景中，DRDS 的性能達到或優于傳統網絡解決方案。同樣，在與集中式 ONOS 控制器方案進行測試時，該系統在 90% 的測試網絡通信場景中表現良好或更好。這項研究證明了使用 DRDS 在不犧牲網絡路由性能的情況下提高網絡安全性和減輕網絡攻擊的潛在優勢。

這項工作包括首個已知的基于能力的脆弱性分析過程，能夠評估暴露在核武器環境中的系統體系：核系統簇能力分析流程（NuSCAP）。該方法由 Python? 自動應用程序執行，通過調用美國戰略司令部損傷概率計算器 (PDCALC) 代碼、洛斯阿拉莫斯國家實驗室簡單核效應計算器 (SNEC) 程序和蒙特卡洛 N-Particle? (MCNP?) 代碼，計算八個核武器環境量的大小。將計算出的核武器環境值與用戶提供的模型中所有組件、子系統和系統的功能障礙閾值進行比較，以確定每個模型元素的功能。通過遍歷系統架構圖的路徑，確定殘余系統和系統級功能和能力。通過使用 Dijkstra 算法遍歷圖確定的離散退化狀態指標來報告能力。結果以 JSON 輸出文件和圖形可視化描述的形式提供。

三項案例研究展示了 NuSCAP 在三種不同的核武器爆炸場景下提供系統脆弱性分析的能力。這些研究分析了暴露于 10 千噸級核武器爆炸的具有代表性的美國陸軍常規系統。案例研究中考慮的爆炸與目標系統之間的地面距離從幾米到近 4 公里不等。由于目前無法獲得大多數組件的實際故障水平，因此研究結果是基于名義上但合理的功能障礙閾值得出的。這三個案例研究表明，NuSCAP 有能力判定核武器對軍事目標的影響并匯總損害情況，從而確定軍事系統的最大剩余能力。評估的能力包括發電、通信、目標觀察和識別以及武器系統交戰，這些能力都支持軍事單元射擊、移動和通信的基本需求。

本文討論了所需數據、這些數據的來源、現實建模和模擬面臨的挑戰以及未來的研究領域。此外，還提供了 NuSCAP 應用 Python 軟件包、數據文件和輸出文件。

這項研究的目的是定義對手作戰方案支持數據模型，以及它與自動白方（TAWC）的關系，后者是一種理論上的先進規劃輔助結構。新提出的作戰概念依賴于較小規模的集中式兵力，需要處理的信息可能更多。這種模式迫使兵力領導者依靠更直觀的決策和/或使用技術來支持傳統上由人類完成的分析功能。要使新技術為規劃做出重要而可靠的貢獻，軟件開發人員必須考慮到條令流程，如 "作戰空間情報準備"（IPB）。軍事出版物中蘊含著無數年的經驗，而將減少不確定性的條令模型映射到領先技術的文獻卻很少。本論文探討了流程如何導致發現，從而減少戰斗空間中的意外情況。

風險評估是復雜的，而且往往是有爭議的。它來自于危險呈現，它的特點是可能發生的不理想事件及其結果的不確定性。很少有像核戰爭和核恐怖主義這樣不受歡迎的結果。幾十年來，關于可能影響核戰爭和核恐怖主義風險的特定情況、政策和武器，已經寫了很多。這些問題的性質和用于評估的風險分析方法隨著時間的推移有了很大的變化。

認識到核戰爭和核恐怖主義帶來的風險，2020財年國防授權法案指示美國國防部與美國國家科學、工程和醫學研究院簽訂合同，進行一項研究，探討風險分析方法的性質及其在評估核戰爭和核恐怖主義風險中的應用。

本報告是該研究的第一階段，它討論了風險，探索了風險評估文獻，強調了風險評估方法的優點和缺點，并討論了一些公開的、支撐美國安全戰略的假設，這些都是在核戰爭和核恐怖主義的背景下進行的。研究的第二階段將擴大重點，包括分析風險分析中的假設和方法在美國安全戰略中可能發揮的作用。第二階段的研究將產生一份保密報告和一份非保密的摘要。表S-1詳細介紹了委員會的工作。

值得注意的是，該研究在其兩個階段的工作中都不包括進行風險分析。本報告也不會涉及當前的地緣政治事件，如俄羅斯2022年對烏克蘭的入侵，盡管這些事件說明了在國際沖突中了解核風險的重要性。

美國政府和國際社會已投入大量資源和時間，試圖了解和減少核戰爭和核恐怖主義的風險。美國戰略司令部的現任指揮官以及核裁軍運動者都斷言，核戰爭的風險仍然非常真實。對于核和放射性恐怖主義的風險，也有類似的說法。此外，隨著新技術和新對手的出現，這些風險正變得更加復雜。

為了確定與核恐怖主義和核戰爭有關的威脅和后果，分析人員在對核戰爭或核恐怖主義進行風險分析時將面臨許多挑戰。委員會確定了可能導致核戰爭的七類情況：預防性的、先發制人的、升級性的、催化性的、意外的、未經授權的和誤報的。委員會還確定了三類可能導致核恐怖主義的情況：簡易核裝置、放射性散布裝置或放射性暴露裝置，以及對核設施的破壞。這些類別的情景并不是相互排斥的，因為各類別之間也可能發生其他互動，例如意外和誤報情景之間。這些依賴性必須反映在任何風險評估中。委員會確定的情景類別在此作為例子，并不是全部；然而，分析人員必須包括他們能夠設想到的所有情景類別，以便風險結果不會被低估。對使用核武器造成的直接物理后果的估計，依賴于基于核物理學、過去的經驗、核試驗數據和其他可用信息的數學模型。關于核武器的一些物理影響（如對傷害和死亡的直接估計），人們已經知道了很多，盡管有些影響（如火災、現代城市環境的破壞、電磁脈沖影響和氣候影響，如核冬天）還不是很清楚或難以量化（弗蘭克爾等人，2015）。評估使用核武器的社會、心理和長期影響的方法在很大程度上依賴于人類應對其他災難性事件的行為的代用數據。使用這些方法的分析通常包含巨大的不確定性和強烈的相互依賴性。

委員會研究了與核戰爭和核恐怖主義有關的風險評估和分析的歷史，包括探討歷史上為了解核戰爭和核恐怖主義的風險所做的嘗試，以及在評估核戰爭和核恐怖主義的總體風險時所涉及的重要不確定性來源。來自歷史文獻的關鍵見解反映在本報告中，但一個明顯的差距是缺乏對核武器的物理影響不太了解的知識，以及對使用核武器的心理、社會和政治后果的評估和估計。

在做出各種決定時，風險信息可以成為決策者的重要投入，包括確定優先事項、制定新的政策或程序，以及分配資源或時間。在自然和工程系統中，特別是當統計數據可用且可靠時，基于事件樣本頻率的風險分析可以很容易產生對未來風險的估計。然而，正如美國國家科學院以前的研究報告所指出的，將傳統的風險方法用于核戰爭和核恐怖主義--直接證據有限；背景的不確定性很大；以及智能的、適應性強的對手（NASEM 2016；國家研究委員會2008，2011）--是一個重大挑戰。在許多假設中，對這種情況下的風險評估必須考慮到行為者的意圖和利益、他們的能力、他們可用的信息和情報，以及他們的適應性反應--所有這些都可能難以評估。

委員會認為，風險指的是四個關鍵問題：

1.會發生什么？具體而言，什么會出錯？

2.這些事件發生的可能性有多大？

3.如果這些事件發生，有什么潛在的后果？

4.這些事件可能發生的時間范圍是什么？

風險分析可以是一個強大的工具，用于澄清假設；對復雜的、相互關聯的因素進行結構化和系統化的思考；描述不確定性；并確定可能需要哪些進一步的證據或信息來為將要作出的決定提供信息。然而，使用風險分析方法來評估核戰爭和核恐怖主義的總體風險是困難的，原因有幾個。

除了本報告正文中詳述的具體結論（并在第8章中列出）外，委員會還得出了三個總體結論。

1.過去核戰爭和核恐怖主義的例子很少。因此，幾乎沒有什么直接的證據可以用來對兩者的概率進行經驗性的估計。

分析師們試圖通過應用不同的方法和使用多種信息來源來描述由此產生的不確定性，以補充這個有限的證據體系。同樣地，歷史記錄中包含了有限的核或放射性恐怖主義企圖的例子，對核恐怖主義風險的分析也常常借鑒這些例子。有限的直接證據所帶來的不確定性，由于人類的意圖、觀念和動機所發揮的重要作用而變得更加復雜。鑒于所涉及的重大不確定性和決策者可能采取的不同風險態度，整體風險分析的政策相關性并不明確。

雖然人們對核武器和放射性武器的物理后果有很多了解，但對其間接后果的了解并不充分。這包括社會、經濟、政治、基礎設施、氣候和心理方面的影響，這些影響受到這些武器的直接物理影響。

這些因素之間的動態相互作用是復雜的，對它們的分析方法也不太發達。關于這些影響的直接證據很少，這對評估國家或恐怖分子使用核武器的后果是一個挑戰。即使是廣島和長崎的轟炸也只提供了關于涉及現代核武器的沖突的可能性和后果的有限信息。

從專家那里獲得的信息往往是評估與核戰爭和核恐怖主義有關的一些風險的全部資料。分析師和決策者需要意識到這些信息的來源，意識到專家可能在分析中引入的偏見和限制，以及這些信息對風險結果的影響。盡管核戰爭和核恐怖主義的某些方面可能對充分應用這些方法構成挑戰，但可以從其他風險分析學科中借鑒專家征詢的最佳做法。

2.可能導致核戰爭和核恐怖主義的情況很多，涉及許多相互依賴的因素，對其風險的評估往往取決于許多專家和行為者的能力、價值觀、看法和意圖。

核戰爭和核恐怖主義的風險部分取決于威懾的有效性，它反映了所有相關方的能力、信念、動機、意圖、預期戰略和信息。在危機的陣痛中，信息的不可得性和不準確性可能會增加侵略者和防御者所面臨的風險。核戰爭和核恐怖主義情景的風險因有關國家或行為者的理由或發起原因、使用的武器類型和數量以及目標等許多其他高度相互依賴的因素而有所不同。由于存在大量的情景可能性，它們通常被歸類，并作為具有一些關鍵共同因素的情景類別進行分析。

評估核戰爭和核恐怖主義的總體風險涉及不同情景的可能性和后果的巨大不確定性。對這些不確定性的評估和溝通對管理這些風險所必需的政策決定至關重要。然而，風險分析的價值并不僅僅在于評估整體風險。風險分析可以為許多與核戰爭和核恐怖主義有關的較小規模的問題提供寶貴的意見。許多分析旨在確定各類情況的相對或比較風險（例如，核設施被破壞的風險與放射性暴露裝置的風險相比較；或確定與不同投資或設計變化相關的風險降低），或解決決策者面臨的具體問題，如：： 一個特定國家的核儲備的可靠性是什么？汽車邊境口岸的某一型號的探測器檢測到特定水平的輻射的概率是多少？哪些核設施應該被檢查，多久檢查一次？對于涉及重大不確定性和需要做出資源限制的決策的風險管理問題，評估與不同選項相關的風險變化有助于為決策提供信息。

分析師在風險分析中不可避免地要進行假設，包括對風險問題的定義和框架的假設；哪些模型可以有效使用；數據的可靠性；以及對手的能力、意圖和潛在行動。戰略假設可以幫助界定風險問題的界限。一些戰略假設涉及風險的性質或程度，風險驅動因素的影響，政策或行動是否增加或減少風險，美國面臨的威脅的性質和種類，以及最可能發生的情況。戰略假設還包括美國境外的核戰爭風險。

3.不同的風險評估方法或多或少適合于不同的情況和目標。

委員會確定了以下與分析這些風險有關的方法，并審議了這些方法的適用性和局限性：

• 第一擊穩定性分析比較了在核戰爭似乎迫在眉睫的危機中先發制人對雙方的好處。
• 概率風險評估可以探索適應性對手之間的相互作用，盡管從定量輸出中提取定性的數值可能會掩蓋一些細微的結果。
• 數量級的估計為核事件的概率設定了極端界限，然后可以逐步縮小。
• 博弈論可用于模擬智能對手之間基于其偏好和能力信息的潛在行動及其結果。
• 對抗性風險分析可用于評估一個智能對手或少數對手的可能選擇。
• 基于還能提的模型可以在給定的規則和不確定性的情況下估計個人的行為。
• 多屬性模型根據決策者偏好的不同屬性中的定義和加權標準，評估不同場景下結果的不同要素（屬性）。
• 網絡模型使用網絡分析，在代表從開始到結束的路徑中的關鍵事件和情景的節點上探索多種選擇。
• 核和常規力量交換模型可以通過量化潛在的核或常規攻擊的結果來幫助評估威懾力。

正如風險分析中的結構、參數和假設可能會給風險分析的結果帶來色彩一樣，風險信息的評估、框架或呈現方式對該信息在決策中的理解和使用有很大影響。當產生風險分析結果的方法和假設是明確的，過程是可復制的，對分析過程的信任是建立的，結果是針對決策者所面臨的真正的問題或決定時，風險分析結果是最寶貴的。

風險信息可能是對決策的一種有價值的輸入，但它不會也不可能支配決策，因為決策還取決于偏好和風險態度。除了風險之外，還需要考慮其他因素，如法律、政治或預算的后果和限制。新興技術，如新的武器系統和人工智能的進步，正在迅速改變風險和威懾的格局。美國的核態勢隨著時間的推移而演變，考慮到了新的威脅、涉及不同美國對手的發展威懾戰略、技術進步、核軍備條約和不斷變化的地緣政治環境。美國對核恐怖主義風險的評估也同樣隨著時間的推移而變化，考慮到了新的威脅和新興技術。

隨著有關核戰爭和核恐怖主義決策的背景繼續演變，風險評估將繼續成為分析家和決策者的一個寶貴工具。

長期目標

在決策或推理網絡中進行適當的推理，需要指揮官（融合中心）對每個下屬的輸入賦予相對權重。最近的工作解決了在復雜網絡中估計智能體行為的問題，其中社會網絡是一個突出的例子。這些工作在各種指揮和控制領域具有相當大的實際意義。然而，這些工作可能受限于理想化假設：指揮官（融合中心）擁有所有下屬歷史全部信息，并且可以假設這些歷史信息之間具有條件統計獨立性。在擬議的項目中，我們打算探索更普遍的情況：依賴性傳感器、（可能的）依賴性的未知結構、缺失的數據和下屬身份被掩蓋/摻雜/完全缺失。對于這樣的動態融合推理問題，我們建議在一些方向上擴展成果：探索數據源之間的依賴性（物理接近或 "群體思維"），在推理任務和量化不一定匹配的情況下，采用有用的通信策略，甚至在每個測量源的身份未知的情況下，采用無標簽的方式--這是數據關聯問題的一種形式。

我們還認識到，對動態情況的推斷是關鍵目標所在。考慮到一個涉及測量和物理 "目標 "的傳統框架，這是一個熟悉的跟蹤問題。但是，來自目標跟蹤和多傳感器數據關聯的技術能否應用于提取非物理狀態（物理狀態如雷達觀察到的飛機）？一個例子可能是恐怖主義威脅或作戰計劃--這些都是通過情報報告和遙測等測量手段從多個來源觀察到的，甚至可能被認為包含了新聞或金融交易等民用來源。這些都不是標準數據，這里所關注的動態系統也不是通常的運動學系統。盡管如此，我們注意到與傳統的目標追蹤有很多共同點（因此也有機會應用成熟的和新興的工具）：可能有多個 "目標"，有雜波，有可以通過統計學建模的行為。對于這種動態系統的融合推理，我們的目標是提取不尋常的動態模式，這些模式正在演變，值得密切關注。我們特別建議通過將雜波建模為類似活動的豐富集合，并將現代多傳感器數據關聯技術應用于這項任務，來提取特征（身份）信息。

目標

研究的重點是在具有融合觀測的動態系統中進行可靠推理。

方法

1.決策人身份不明。在作戰情況下，融合中心（指揮官）很可能從下屬那里收到無序的傳感器報告：他們的身份可能是混合的，甚至完全沒有。這種情況在 "大數據 "應用中可能是一個問題，在這種情況下，數據血統可能會丟失或由于存儲的原因被丟棄。前一種情況對任務1提出了一個有趣的轉折：身份信息有很強的先驗性，但必須推斷出身份錯誤的位置；建議使用EM算法。然而，這可能會使所有的身份信息都丟。在這種情況下，提出了類型的方法來完成對局部（無標簽）信念水平和正在進行的最佳決策的聯合推斷。

2.動態系統融合推理的操作點。在以前的支持下，我們已經探索了動態事件的提取：我們已經開發了一個合理的隱馬爾科夫模型，學會了提取（身份）特征，有一個多伯努利過濾器啟發的提取方法 - 甚至提供了一些理論分析。作為擬議工作的一部分，將以兩種方式進行擴展。首先，打算將測量結果作為一個融合的數據流，這些數據來自必須被估計的未知可信度的來源。第二，每個這樣的信息源必須被假定為雜亂無章的 "環境 "事件（如一個家庭去度假的財務和旅行足跡），這些事件雖然是良性的，可能也不復雜，但卻是動態的，在某種意義上與所尋求的威脅類似。這些必須被建模（從數據中）和抑制（由多目標追蹤器）。

3.數據融合中的身份不確定性。當數據要從多個來源融合時，當這些數據指的是多個真相對象時，一個關鍵的問題是要確定一個傳感器的哪些數據與另一個傳感器的哪些數據相匹配："數據關聯 "問題。實際上，這種融合的手段--甚至關聯過程的好方法--都是相當知名的。缺少的是對所做關聯的質量的理解。我們試圖提供這一點，并且我們打算探索傳感器偏差和定位的影響。

4.具有極端通信約束的傳感器網絡。考慮由位置未知、位置受漂移和擴散影響的傳感器網絡進行推理--一個泊松場。此外，假設在這樣的網絡中，傳感器雖然知道自己的身份和其他相關的數據，但為了保護帶寬，選擇不向融合中心傳輸這些數據。可以做什么？又會失去什么？我們研究這些問題，以及評估身份與觀察的作用（在信息論意義上）。也就是說，假設對兩個帶寬相等的網絡進行比較；一個有n個傳感器，只傳輸觀察；另一個有n/2個傳感器，同時傳輸數據和身份。哪一個更合適，什么時候更合適？

5.追蹤COVID-19的流行病狀況。誠然，流行病學并不在擬議研究的直接范圍內，但考慮到所代表的技能以及在目前的健康緊急情況下對這些技能的迫切需要，投機取巧似乎是合理的。通過美國和意大利研究人員組成的聯合小組，我們已經證明，我們可以從當局提供的每日--可能是不確定的--公開信息中可靠地估計和預測感染的演變，例如，每日感染者和康復者的數量。當應用于意大利倫巴第地區和美國的真實數據時，所提出的方法能夠估計感染和恢復參數，并能很準確地跟蹤和預測流行病學曲線。我們目前正在將我們的方法擴展到數據分割、變化檢測（如感染人數的增加/減少）和區域聚類。

由于多種因素的影響，自動機器學習（AutoML）這些年一直在快速發展，數據科學家需要創建機器學習管道原型來決定如何進行解決，并為非專業人士提供解決方案。已經創建了一些AutoML框架，但它們受到能解決的問題類型、機器學習原語的數量、管道表示語言和嚴格數據描述的限制。這些限制大多是由相當大的工程量造成的。D3M項目旨在擴大AutoML的范圍，提供創建AutoML系統所需的工具，使其能夠解決超出大部分框架的問題類型，并為用戶提供工具，使機器學習工具不需要太多的專業知識。此外，該項目還致力于實現AutoML組件的標準化，以便對不同的框架進行公平的比較，并通過開源共享該項目期間創建的基礎設施來幫助研發界改善該領域。

本文在D3M上的工作主要集中在兩個方面：在D3M小組內創建標準化AutoML工具，以及創建具有不同目的的AutoML系統和框架。在這份報告中，將介紹對該項目的主要貢獻以及AutoML系統的演變。在該項目中，創建了評估AutoML系統的工具，開發了三個AutoML系統，開發了被多個系統廣泛使用的原型，設計了測試原型的自動化框架，并通過創建AutoKeras對AutoML研發界產生了巨大影響。

目前，使用蒙特卡洛方法對導航系統進行分析可能很慢，而且計算成本很高。協方差分析是一種可以及時返回交易空間分析結果的工具，而且計算費用低廉。協方差分析工具大多是臨時性的或在專有接口內。這對導航領域來說尤其如此，因為大多數協方差分析的論文都是處理單一場景，并為所述場景編寫一個臨時的模擬器[1, 2]。

這項研究的目的是在一個新的模塊化和可插拔的導航框架庫--導航工具包中創建一個協方差分析工具。導航工具包是一個政府參考庫，可以與被稱為pntOS的模塊化和可插拔的傳感器融合架構一起開箱使用。在模塊化和可插拔的導航軟件包內創建一個協方差分析工具，將使研究人員能夠快速獲得交易空間分析結果，并使用與實際傳感器融合所使用的基本相同的代碼輕松進行自己的協方差分析模擬。研究人員將能夠利用導航工具包中預裝的大量的傳感器模型、算法和過濾器。

通過分析兩個不同的導航場景，解釋了這個協方差工具的創建。對這些不同的導航方案的結果進行了探討，以確定傳感器組合背后的好處和缺點。一個新的多普勒激光雷達速度傳感器首先用一組簡短的、四百秒的模擬飛行數據進行評估，以證明協方差工具的功能，并同時展示新傳感器的能力。最后的評估是使用3小時的飛行數據進行的。該方案將多普勒激光雷達速度傳感器與高靈敏度標量磁強計配對，以了解這兩種傳感器的組合如何改善導航解決方案。

這項工作從第二章開始，在第二章中介紹了用于創建協方差分析工具的軟件套件的背景。第二章還將描述我們將在未來的章節中使用協方差分析工具分析的用例。接下來的第三章和第四章是單獨的論文，介紹了協方差分析工具的兩個不同的使用案例。第三章在2021年的國家航空航天和電子會議（NAECON）上發表[11]。下一章，即第四章將之前的多普勒激光雷達速度傳感器與MagNav傳感器結合在一起，展示了兩個傳感器在組合導航方案中可以創建的解決方案，并將提交給《導航學會雜志》。最后，第五章總結了研究結果和工具的創建，然后以未來可能的工作作為結束。

機器學習的科學進步是由評估模型相對質量的實證研究推動的。這種評估的目標是比較機器學習方法本身，而不是對訓練模型的特定優化實例進行單一測試集評估。由于深度學習模型的性能依賴于各種隨機性來源，僅報告單個最佳模型的性能評分的做法尤其不適用于深度學習。這樣的評估實踐提出了方法論上的問題:一個模型是否預測了它聲稱預測的東西(有效性)，一個模型的表現在訓練過程的重復中是否一致(可靠性)，以及兩個模型之間的表現差異是否由于機會(顯著性)。本教程的目標是通過具體的統計測試來回答這些問題。該教程是實踐性的，并配有教科書(Riezler和Hagmann, 2021年)和一個包含R和Python代碼的網頁。