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

盡管受到疫情大流行的影響，但北約科學技術組織 (STO) 憑借其由 5,000 多名科學家、工程師和分析師組成的網絡團隊，持續交付了出色的項目工作 (PoW)。這確保了 STO 始終處于科技前沿，并致力于在競爭激烈的世界中維持北約、盟國和合作伙伴的技術優勢。

2022 年，STO 公開發布了三份報告，突出了其深刻的成就并規劃了前進的道路。

報告1：2021 STO HIGHLIGHTS

2021 STO HIGHLIGHTS體現了 STO PoW 對聯盟的影響和意義，涵蓋海事研究和實驗中心 (CMRE) PoW 和協作 PoW (CPoW) 。這包括 300 多項技術活動，從主要研究項目到前景展望和系列講座，以及技術合作演示。

該報告旨在概述海事研究和實驗中心與2021 年協作PoW中最近完成的項目和成就概要。它還總結了為北約領導層提供的建議，以協助高層就決策性主題進行決策，例如：武裝部隊中的女性、CBRN 威脅和危害、新興和顛覆性技術 (EDT)、氣候變化和 2020-2040 年科技趨勢。

報告2：CMRE 2021年度報告

CMRE 的使命是組織和開展以海洋領域為中心的科學研究和技術開發，提供創新和經過現場測試的科學技術 (S&T) 解決方案，以滿足聯盟的國防和安全需求。

CMRE 2021 年度報告重點介紹了 CMRE 在執行其 2021 年工作計劃方面的活動及其在向客戶提供增值產品和服務方面取得的成就，特別是作為海事科技計劃的一部分的北約盟軍司令部轉型，其重點是：自主水雷對策；反潛戰的自主權；數據環境知識和運營效率；和海上無人系統的推動者。

年度報告說明了 CMRE 的科學家、工程師和技術人員如何以創新的方式利用新興和顛覆性技術，以保持北約的技術優勢。

報告3：2022 協同工作計劃

2022 年協作工作計劃概述了科學技術組織 (STO) 計劃在 2022 年開展的國防和安全相關研究和技術開發項目，以增強國家和北約的作戰軍事能力。2022 CPoW 由 283 個正在進行和計劃中的技術研究活動和 49 個探索團隊組成。

CPoW 是一種旨在滿足國家需求和北約要求的工具。因此，其構建基于國家、專家組/小組在其商務會議期間以及北約更高的集中組織提供戰略方向。最終，通過科學與技術委員會 (STB)， 各國仍然是決定 CPoW 如何發展的集體權威。CPoW 研究項目由法國巴黎附近的 STO 合作支持辦公室 (CSO) 管理，將在 CPoW 的所有主題領域進行：應用車輛技術 (AVT)；人為因素和醫學（HFM）；信息系統技術（IST）；系統分析與研究（SAS）；系統概念與集成（SCI）；傳感器和電子技術（SET）；以及建模和仿真 (NMSG)。

2022 年，許多 CPoW 項目繼續關注北約新興和顛覆性技術的應用和影響：人工智能、自主、大數據、生物技術、高超音速、量子科學、空間和新型材料。

摘要

近年來，由于技術進步和成本的顯著降低，無人機(uav)的發展勢頭日益強勁。無人機技術可以廣泛應用于通信、農業、安全、交通等領域。在某些領域將無人機分組成集群可能是有用的，通過集群可以緩解與無人機使用相關的各種挑戰。在無人機群體管理中，出現了一些計算上的難題，可以通過使用機器學習(ML)方法來解決。在本調查中，我們描述了與無人機和現代ML方法相關的基本術語，并提供了相關教程和調查的概述。我們隨后考慮了在無人機群中出現的不同挑戰。對于每一個問題，我們調查了幾個基于機器學習的方法，這些方法已經在文獻中提出，以處理相關的挑戰。然后，我們描述了各種開放的問題，其中ML可以應用于解決不同的挑戰群體，并提出了使用ML方法的方法來實現這一目的。這篇全面的綜述對于研究人員和開發人員來說都是有用的，它提供了一個廣泛的觀點，介紹了最先進的ML技術的各個方面，這些技術適用于群體管理。

引言

無人機 (UAV) 技術進步和成本的降低使無人機比以往任何時候都更加普遍，具有巨大的未來使用潛力。在 Covid-19 期間，無人機理論上可用于協助實現供應和運輸目標。此外，預計無人機將被集成到 5G 和未來的通信網絡中。無人機在農業、維護、智能和各種安全需求方面提供了眾多應用。然而，要成功利用無人機的潛力實現實際目標，還需要克服幾個挑戰。例如，由于無人機的能源消耗限制，需要一種智能、高效的功率控制機制，無人機的重量承載能力受到限制。此外，應仔細進行空中路徑規劃，同時維護無人機的安全性。

除了前面提到的即使是單架無人機也會遇到的挑戰之外，在考慮多架無人機的環境時，也會出現某些任務和問題，在這種環境中，小或大的群體應該一起行動，或應該在相同的空中環境中行動。例如，無人機網絡的形成、無人機的聚類與協調、無人機網絡中的資源配置等問題需要考慮并有效解決。圖1提供了與無人機相關的各種主題的層次描述。

圖1:無人機集群面臨的挑戰

作為本次調查綜述的一部分，我們還提供了一些關于一般研究的見解，這些研究并不直接關注無人機環境，但在應用于無人機環境時可能會很有用。我們相信，對現有工作的完整視圖，無論是專門為無人機開發的還是未開發的，都可以幫助無人機設計人員解決在更有效地管理和維護無人機群方面出現的挑戰。

如第 3 節所示，現有的許多調查都處理了無人機技術的挑戰和機遇。然而，我們的目標是專注于將機器學習 (ML) 方法應用于無人機群域這一日益重要的主題。

圖2:主要的ML方法

本文結構

本文的其余部分組織如下：第 2 節提供了現代 ML 方法的基本術語，這些方法可能適用于改進無人機群的處理。第 3 節介紹了幾項相關調查綜述，這些調查考慮了無人機技術和用于無人機的 ML 方法，以及飛行自組織網絡 (FANET) 環境。第 4 節考慮了與機群形成有關的相關研究。在第 5 節中，討論了資源分配和功率控制的挑戰，而第 6 節側重于解決無人機群中任務分配的挑戰性問題的研究。最后，第 7 節提出了一些結論和對未來工作的見解。

圖3:本文綜述范圍

摘要

無人駕駛飛行器 (UAV) 在過去十年中受到無人機硬件和監管框架的快速創新推動，被設想用于為未來社會多種服務應用。從下一代無線網絡的角度來看，無人機不僅有望充當被動蜂窩連接用戶的角色，而且還可以作為無人機輔助網絡的一部分，作為連接的主動推動者。用例范圍從貨物的“最后一英里”交付、客運、基礎設施檢查、環境監測和測量到智能農業的推動者。它們快速靈活的部署使它們在地面通信基礎設施不堪重負或被破壞的情況下特別有用，例如在自然災害和搜救情況下。在擴展永久性網絡基礎設施不可行或經濟上不可行的偏遠地區，無人機可以為目前沒有移動互聯網的世界一半人口提供移動互聯網接入。

圖 1.1 無人機提供通信服務和支撐固定基礎設施的應用示例。

圖 1.2 無人機分類。

無人機在所有潛在應用場景中的決定性優勢是它們的移動性。為了充分利用它們的能力，靈活高效的路徑規劃方法是必要的。本論文的重點是探索機器學習 (ML)，特別是強化學習 (RL)，作為解決無人機移動管理挑戰的一類有前途的解決方案。隨著近年來RL與神經網絡相結合的研究進展，deep RL是為數不多的能夠直接解決通信場景下無人機控制與部署復雜任務的框架之一，因為這些問題通常是NP-hard優化問題，且受到非凸性的嚴重影響。此外，深度 RL 提供了以直接方式平衡無人機輔助網絡的多個目標的可能性，它在先驗或模型信息的可用性方面非常靈活，而深度 RL 推理在計算上是高效的。

中小型無人機路徑規劃的一個關鍵限制是它們的最大活動任務時間受到機載電池能量密度的限制。當用作向地面用戶提供數據服務的空中基站 (BS) 時，自主無人機需要共同優化其飛行時間和系統的通信性能目標。論文的第一部分探討了使用深度 Q 學習來控制空中 BS，該 BS 從地面用戶那里收集數據，同時集成專用著陸點，無人機可以在著陸點著陸，從而在繼續為用戶服務的同時在其軌跡上節省能源。深度 Q 學習允許無人機在沒有任何關于環境或任務的明確信息的情況下找到有效的軌跡。

圖 3.1 空中 BS 移動決策是根據無人機的當前狀態做出的，即位置和電池電量。 UAV 完全不知道環境的先驗知識，即不知道著陸點（LS）的存在或位置、用戶位置、信道模型或最終 UAV 著陸位置。雖然 LS 提供了節能的可能性，但 UAV BS 可能不得不為某些用戶犧牲一些 QoS。

雖然 RL 范式為解決無人機輔助網絡中的優化問題提供了許多優勢，但仍然存在一些實際挑戰，尤其是在無人機可以學習的訓練數據需求的背景下。在現實世界中收集訓練數據是一個昂貴且耗時的過程，而在傳統的 RL 方法中，如果任務參數發生變化，則需要重復冗長的訓練過程，例如無人機的電池容量。在本論文中，我們通過提出一種深度 RL 算法來解決這個問題，該算法將訓練擴展到來自分布式物聯網 (IoT) 設備的無人機數據收集任務的隨機實例，如果任務參數發生變化，則無需重新訓練。與傳統方法相比，結果是一個復雜得多的問題，因為需要同時找到數千個任務實例的解決方案。這可以通過利用任務密集城市環境的智能處理地圖信息來實現。我們將此設置擴展到協作多無人機案例，其中出現機群協作的額外挑戰，以及大型、復雜和現實的城市環境挑戰。

圖 4.7 同一智能體適應設備數量和設備位置差異以及飛行時間限制的圖示，顯示了曼哈頓場景中已使用和可用的飛行時間以及收集和可用的總數據。

圖 5.8 軌跡圖說明傳播條件的變化對已經訓練好的智能體的影響。圖 5.8a 顯示了在智能體訓練時使用路徑損耗指數的原始行為。圖 5.8b 顯示了相同智能體在其他情況不變的情況下，路徑損耗指數略低。

論文的以下部分探討了無人機輔助通信和機器人技術，這是兩個通常不相交的研究界。 RL 范式的固有靈活性為提出可在多個無人機路徑規劃實例中工作的解決方案提供了機會，例如物聯網數據收集和覆蓋路徑規劃 (CPP)，這是一個經典的機器人問題。最后，在本文的最后一部分，研究了基于模型輔助學習框架的另一種解決RL算法訓練數據需求挑戰的方法。在這種方法中，UAV首先學習真實環境的模型，然后利用學習的模型生成模擬訓練數據，大大減少了對昂貴的真實世界數據的需求。

摘要

下一代物聯網 (NG-IoT) 應用的出現為第六代 (6G) 移動網絡帶來了一些挑戰，例如大規模連接、增加的網絡容量和極低的延遲。為了應對上述挑戰，超密集網絡已被廣泛認為是一種可能的解決方案。然而，基站 (BS) 的密集部署并不總是可行或具有成本效益的。無人機基站 (DBS) 可以促進網絡擴展并有效滿足 NG-IoT 的需求。此外，由于它們的靈活性，它們可以在緊急情況下提供按需連接或解決網絡流量的臨時增加。然而，由于能量儲備有限以及空對地鏈路中信號質量下降的增加，DBS 的最佳布置并不是一項簡單的任務。為此，群體智能方法可以成為確定 DBS 在三維 (3D) 空間中的最佳位置的有吸引力的解決方案。

在這項工作中，我們探索了著名的群體智能方法，即布谷鳥搜索 (CS)、象群優化 (EHO)、灰狼優化 (GWO)、帝王蝶優化 (MBO)、Salp 群算法 (SSA) 和粒子群優化 (PSO) 并研究它們在解決上述問題中的性能和效率。特別是，我們研究了在存在不同群體智能方法的情況下三種場景的性能。此外，我們進行了非參數統計檢驗，即弗里德曼和威爾科克森檢驗，以比較不同的方法。

簡介： 物聯網（IoT）被廣泛認為是未來Internet的關鍵組成部分，因此近年來引起了極大的興趣。物聯網由數十億個智能且可通信的“事物”組成，這些事物進一步通過物聯網虛擬世界擴展了邊界世界。這種無處不在的智能事物每天都會產生大量數據，因此迫切需要對各種智能移動設備進行快速數據分析。幸運的是，深度學習領域的最新突破使我們能夠以優雅的方式解決問題。可以導出深度模型來處理大量傳感器數據，并快速有效地了解智能設備上各種IoT應用程序的基礎功能。在本文中，我們調查了有關將深度學習用于各種物聯網應用的文獻。我們旨在就如何從多種角度應用深度學習工具以在四個代表性領域（包括智能醫療保健，智能家居，智能交通和智能產業）中增強物聯網應用程序的功能提供見解。主要目標是將深度學習和物聯網這兩個學科無縫地融合在一起，從而在物聯網應用中產生了各種各樣的新設計，例如健康監測，疾病分析，室內定位，智能控制，家用機器人技術，交通預測，交通監視，自動駕駛和制造檢查。我們還將討論一系列問題，挑戰和未來的研究方向，這些問題將利用深度學習來為物聯網應用程序提供支持，這可能會激發并激發這一有前途的領域的進一步發展。

題目： Convergence of Edge Computing and Deep Learning: A Comprehensive Survey

簡介： 來自工廠和社區的傳感器和智能設備正在生成大量數據，而不斷增長的計算能力正在將計算和服務的核心從云端驅動到網絡邊緣。作為廣泛改變人們生活的重要推動力，從人臉識別到智能工廠和城市，基于人工智能（尤其是深度學習，DL）的應用程序和服務的發展正在蓬勃發展。但是，由于效率和延遲問題，當前的云計算服務體系結構阻礙了“為每個地方的每個人和每個組織提供人工智能”的愿景。因此，使用在數據源附近的網絡邊緣的資源來釋放DL服務已經成為一種理想的解決方案。因此，旨在通過邊緣計算促進DL服務部署的邊緣智能已引起了廣泛關注。此外，作為人工智能的代表技術的DL可以集成到邊緣計算框架中，以構建用于動態，自適應邊緣維護和管理的智能邊緣。關于互惠互利的邊緣智能和智能邊緣，本文介紹和討論：1）兩者的應用場景； 2）實際的實現方法和使能技術，即定制邊緣計算框架中的DL訓練； 3）現有挑戰以及更普遍，更精細的智能化趨勢。通過整合散布在通信，網絡和DL領域的信息，可以幫助讀者理解支持技術之間的聯系，同時促進對邊緣智能與智能邊緣融合的進一步討論。

題目： Edge Computing: A Comprehensive Surveyof Current Initiativesand a Roadmap for a Sustainable Edge Computing Development

摘要： 邊緣計算是一種新的分布式云計算模式，它將計算和存儲能力推送到網絡的拓撲邊緣。然而，不同的倡議促進了各種標準和實現。以邊緣計算的參考體系結構模型為先導，通過探索性內容分析對當前的方案進行分析。我們在這一領域做出了兩項主要貢獻，首先，我們介紹了當前的計劃是如何具體化的，其次，我們提出了一個可持續邊緣計算的路線圖，將可持續發展的三個維度與邊緣計算的四個交叉關注點聯系起來。調查結果表明，大多數項目都是國際組織的軟件開發項目；重要的分支機構目前是電信和工業部門；大多數涉及的是網絡虛擬化層。路線圖揭示了與可持續發展相關的邊緣計算的許多機會和風險；例如可再生能源的使用、偏見、新的商業模式、能源消耗的增加和減少、響應性、監測和可追溯性。

論文題目

邊緣計算:對當前計劃的全面調查和可持續邊緣計算發展的路線圖：Edge Computing: A Comprehensive Surveyof Current Initiativesand a Roadmap for a Sustainable Edge Computing Development

論文關鍵詞

邊緣計算、計算范式、工業4.0、物聯網、可持續性

論文摘要

邊緣計算是一種新的分布式云計算范例，其中計算和存儲功能已推向網絡的拓撲邊緣。然而，不同的倡議促進了各種標準和實施。在邊緣計算的參考體系結構模型的引領下，當前的計劃通過探索性內容分析進行了分析。我們將為該領域提供兩個主要貢獻，首先，介紹當前舉措的特點，其次，介紹可持續邊緣計算的路線圖，將可持續發展的三個方面與邊緣計算的四個交叉關注聯系起來。調查結果表明，大多數計劃都是國際組織的軟件開發項目。當前重要的分支是電信和工業部門；最受關注的是網絡虛擬化層。該路線圖揭示了與可持續發展相關的EdgeComputing的大量機會和風險；例如可再生能源的使用，偏差，新的業務模式，能耗的增加和減少，響應能力，監控和可追溯性。

論文作者

Andrea Hamm，來自德國柏林Weizenbaum網絡協會，柏林工業大學 Alexander Willner，來自柏林工業大學，德國柏林弗勞恩霍夫研究所 Ina Schieferdecker，來自德國柏林Weizenbaum網絡協會，柏林工業大學

題目： Blockchain for 5G and Beyond Networks: A State of the Art Survey

摘要：

第五代(5G)無線網絡即將在全球部署。5G技術的目標是通過連接異構設備和機器，在高服務質量、增加網絡容量和增強系統吞吐量方面進行重大改進，從而支持多種垂直應用。盡管5G將帶來所有這些優勢，但仍然存在需要解決的重大挑戰，包括分散化、透明度、數據互操作性風險、網絡隱私和安全漏洞。區塊鏈是一種新興的顛覆性技術，可以提供創新的解決方案，有效解決5G網絡的挑戰。在5G網絡容量大幅提升和區塊鏈技術近期突破的推動下，區塊鏈5G服務有望快速發展，為未來社會帶來實質性的利益。在這篇論文中，我們提供了一個關于區塊鏈與5G網絡和其他網絡集成的最新研究。在這份詳細的調查中，我們主要關注區塊鏈在支持關鍵5G技術的潛力上的廣泛討論，包括云計算、邊緣計算、軟件定義網絡、網絡功能虛擬化、網絡切片和D2D通信。然后，我們探索和分析了區塊鏈可能為重要的5G服務提供的機會，包括頻譜管理、數據共享、網絡虛擬化、資源管理、干擾管理、聯邦學習、隱私和安全保障。區塊鏈在5G物聯網中應用的最新進展也在智能醫療、智能城市、智能交通、智能電網和無人機等廣泛的用例領域進行了調查。總結了區塊鏈5g合作網絡和服務綜合調查的主要結果，并指出了可能存在的研究挑戰和有待解決的問題。最后，我們通過為未來的發展方向提供新的啟示來完成對這一新興領域的調查研究。

作者簡介：

Dinh C. Nguyen目前是迪肯大學網絡傳感與控制實驗室(NSC)信息安全和隱私(ISP)研究小組的成員，主要研究方向:區塊鏈、物聯網、移動云計算、深度強化學習、5G網絡、無線網絡安全與隱私。

Pubudu N. Pathirana是澳大利亞迪肯大學工程學院教授，研究領域是生物運動學和人體運動捕捉，輔助設備設計，傳感器網絡。