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

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。

為了應對《國防戰略》中概述的新出現的近似同級威脅，軍事領導人必須將其對戰爭演變的看法重新表述為一種新的思想，將感知到的威脅視為變革的主要驅動力。根據軍事生產和國際軍事使用動力之間新的雙因素博弈來模擬這種演變，可以為美國軍事力量的未來指明幾種戰略。

盡管間斷均衡、國際威脅分析和博弈論等概念仍是學術思想的主要內容，但它們尚未被整合成一個供軍事領導人應用于戰爭的單一框架。本文將以科學家測試和驗證假設的方式來構建這樣一個框架。因此，本文認為，戰爭與其他社會建構一樣，是在一個間斷平衡的生態系統中演變而來的，受制于國家對各種威脅的關注。隨著國家注意力的搖擺，國家利用技術并將其迅速付諸實踐的能力對于應對這些威脅仍然至關重要。此外，當前的技術格局呈現出無限的技術組合，使得戰略制定比以往任何時候都更加復雜。因此，由技術行動和技術實施組成的雙因素博弈，為利用技術應對所感知的國家威脅提供了方法論。在這個案例中，歷史和科學結合在一起，為一個包含七個獨立信條的新范式正名。以美國發展和使用空中力量為工具，對這些信條進行了衡量和研究，既約束了討論，又突出了歷史趨勢。

本文勾勒了對間斷均衡與國家威脅關注和博弈論之間關系的綜合理解，從而創建了一個框架，為當代軍事領導人構建和衡量未來戰爭戰略提供了新的范例。

人工智能是下一個競爭領域；第一個開發出人類水平人工智能的國家將產生類似于原子彈開發的影響。為了維護美國及其人民的安全，美國國防部資助了人工智能及其應用的發展研究。本研究使用強化學習和深度強化學習方法作為當前和未來AI智能體，并評估開發中的潛在問題。在兩個游戲和一次遠足中對智能體的表現進行了比較： 分別是貨物裝載、河內塔和背包問題。據觀察，深度強化學習智能體能處理更廣泛的問題，但表現不如專門的強化學習算法。

當整合到軍事行動中時，自主蜂群技術有可能緩解苛刻和高度動態環境和問題所帶來的一些挑戰。由異質機器人組成的自主空中蜂群可以通過提供更廣泛的能力進一步提高靈活性。然而，異質蜂群的有效性目前受到系統以全球最優方式分配機器人任務的能力的限制。我們提出了一種基于市場的無人機系統決策方法，用于將最合適的機器人分配到可用的任務中。具體來說，我們評估了拍賣算法在一個區域搜索問題的任務分配中的表現。除了解決蜂群的異質性外，我們的實現還考慮到了二次接觸調查任務異步產生的情況。在美海軍研究生院高級機器人系統工程實驗室的空中蜂群系統中進行了實驗，該系統具有不同的固定翼和旋轉翼無人駕駛飛行器配置，范圍從三個到十個機器人。研究和測試表明，拍賣算法是一種在區域搜索中進行任務分配的可擴展方法，并表明實施可以有效地擴展到具有任意能力分布的蜂群，以解決高度復雜問題。

為了使多域作戰的概念取得成功，聯合部隊之間需要有一種共同的語言，而且這一概念決不能以犧牲在現有領域的機動性或通過創造一個新的領域來放棄單一領域的主導地位。并非所有的問題都需要一個僵化的理論來克服，多領域作戰需要模糊性，以最大限度地發揮其潛力。如果不這樣做，就有可能使概念僵化，使概念的效用受挫。

在美國陸軍和聯合部隊中，最近出現了實施多域解決方案以克服新出現的戰略和戰術挑戰的勢頭。應對這些挑戰的首要機制是制定理論，讓各部門承認并提供跨領域的效果以支持彼此。迄今為止，這一努力遇到了挑戰，因為聯合部隊有定義方面的挑戰，并且最終必須默許在零和資源環境中以犧牲自己的能力為代價來發展支持其他部門的能力。這項任務在最好的情況下是具有挑戰性的，在最壞的情況下是無法實現的。此外，產生一個解決方案本質上增加了與執行有關的復雜性。然而，重大的理論改革是沒有必要的，多領域合作的有利影響最好通過內在的模糊性來體現。

為多域作戰提供一個激烈的理論解決方案既無法實現，也沒有必要。允許思想上的模糊性提供了機會，使各部門能夠保持主要領域的主導地位，這對于多領域合作和跨領域的成功來說是必要的。它還允許制定與特定情況相關的解決方案，利用創造力，而沒有在零和資源環境中進行資源競爭的風險。各部門之間的同步性可以通過更加集中和一致的語言來克服，并通過使用現有的基礎設施來實施變革而不產生重大動蕩，使美國的軍事優勢保持不變，并能夠確保美國持續的全球力量投射。

新技術的影響和未來戰斗空間速度的提高，可能會使指揮和控制職能過度集中在政治或戰略層面，而忽略了合格參謀人員的咨詢意義。因此，政治/戰略領導人可能會發現追求先發制人和預防性戰爭作為一種戰略，以獲得對敵人的不對稱優勢。

隨著時間的推移，技術革新在戰爭中發揮了重要作用，并在許多領域逐步取代了人類的功能。在第一次世界大戰（WWI）和第二次世界大戰（WWII）之間的戰時時期，戰爭被理論化為更遠的距離，更快的執行，并通過越來越復雜的機器。目前的軍事能力是一個演變趨勢的結果，其中技術和信息發揮著核心作用。新技術的影響和未來戰斗空間速度的提高可能會使指揮和控制功能在政治或戰略層面過度集中。這一因素是下一屆政治/戰略領導層的道德困境的基礎。

在濫用自動化和盲目限制自動化之間平衡決策過程的能力將是在自主系統的作戰環境中發展有效的指揮和控制功能的一個關鍵方面。

未來的指揮與控制

在戰時，一些領域的實驗旨在確定贏得戰爭的最有效平臺。即使戰術層面上所有可用手段的整合創造了真正的不對稱優勢，每個平臺的 "倡導者 "都在這個層面上提出了自己的觀點，以獲得戰略家的關注，并最終在戰爭的馬賽克中帶來了另一塊。

空中力量理論家認為，飛機本身是下一次沖突中的游戲規則改變者，在這個層面上，其他 "傳統 "的戰斗方式將被掩蓋。其中，朱利奧-杜埃特認為，在戰爭時期，不再有戰斗人員和平民的區別。因為戰爭是國家之間的全面對抗，平民成為合法的目標，戰略上的成功只能來自于飛機和從空中進行的大規模轟炸。此外，杜赫特相信，由于勝利只能通過打擊敵人的士氣來實現，所以每一種解決方案都是可以接受的成功手段，包括用毒氣毒害平民。最后，關鍵是要剝奪敵人建立空軍的能力，否則就必須反復運用資源來擊敗敵人的空中艦隊。

歷史已經清楚地表明，這種絕對主義的設想是不準確的。空中力量本身并不是改變游戲規則的因素，然而它卻有助于在所有級別的戰爭中與其他平臺的結合創造出不對稱的優勢。也許，當飛機與核彈相結合時，人類進入了一個新的戰爭時代，證實了這樣一個假設：整合/結合現有的手段是在戰場上和其他地方取得成功的途徑。

隨著迅速接近一個日益自動化的世界，一些作者指出，一個革命性的突破正在戰爭的門口，它將以這樣一種方式改變戰爭，"甚至可能挑戰戰爭本身的本質"。自主革命的倡導者和懷疑者之間的對立是公開的，就像在杜赫特時期一樣。一方是主張者，他們相信在自動化方面的優勢競賽將最終導致一場徹底的沒有人類的戰爭。保羅-夏爾在他的《無主之軍》中設想了發達的人工智能和自主機器之間的結合，能夠在不與士兵、水手、空軍等進行任何互動的情況下計劃和執行軍事行動。另一方面，一大批理論家認為，自動化將永遠不會取代戰爭的人性。如果歷史告訴我們什么，先進自動化的支持者將帶來戰爭馬賽克中的一塊，把是否和如何依賴自動化系統的兩難問題留在下一代領導人的手中。

圖6：自主武器和自主戰爭之間的平行關系

自主系統與自主戰爭

由自主系統進行的自主戰爭的想法引起了人們對生存性質的嚴重關切，然而，大國之間的競爭正促使人們在獲取人工智能和人工智能集成系統方面進行競爭。中國的目標是利用人工智能來開發大量的情報，生成一個共同的作戰圖，并加速戰場決策。俄羅斯繼續推行其國防現代化議程，目的是到2025年使其30%的軍事裝備實現機器人化，同時在發展蜂群能力方面追求不同平臺的整合。美國國防部對人工智能采取了更為保守的做法。美國 "2018年國防部人工智能戰略摘要 "指示以人為本的方式使用人工智能，特別是在關鍵任務領域加強軍事決策和操作，提高態勢感知和決策，提高操作設備的安全性，實施預測性維護和供應，并簡化業務流程。此外，該戰略還指出 "將優先部署人工智能系統，通過卸載繁瑣的認知或物理任務和引入新的工作方式來增強人員的能力"。將所有這些方法放在一起，其趨勢是：

• 信息收集和態勢感知的自動化；
• 加強戰場的機器人化和平臺的整合；
• 增強的決策過程，以保持機器的執行速度。

戰術及戰略影響

要想在戰場上有效地部署通用人工智能，并將人類 "排除在外"，自主地解決戰爭中的每一個問題，可能還有很長的路要走。 目前的能力可以在特定領域操作，并在某種程度上超過人類操作員。然而，技術的發展使得自主系統能夠在人類的監督下進行自我協調（人類在環路上），并對特定的威脅進行群攻，正如美國海軍用機器人代理指揮和感知的控制架構所展示的那樣。

在戰術層面，自主能力給能夠部署它們的人帶來明顯的優勢。在2016年的一段視頻中，俄羅斯發明家Semenov Dahir Kurmanbievich演示了自主武器如何輕松地摧毀對手的常規部隊，或對政府高級領導人采取具有戰略意義的行動，出奇制勝。 自主武器在戰斗中的主要特點是低簽名、低能見度、低成本、沒有人類的直接參與、高精度、耐用、戰術智能體之間的相互聯系、自我構建和適應性。總而言之，在戰術層面，有可能設想出一種相互連接的平臺織錦，可以用較少的人力和經濟成本提供相同或更大的火力。作為一個例子，美國海軍陸戰隊正在開發機器人戰球，以支持兩棲作戰中最危險的階段，即從船到岸的運動。這些自主系統為部隊更安全地登陸創造了條件，通過蜂擁而上和沖擊岸上的敵人防御結構。這種攻擊只能用快速運作的系統來防御，這些系統具有自主性和智能性，為自動化提供了騎乘的條件。

特定領域的人工智能將改變沖突，就像以前的軍事能力轉型一樣，它有可能對戰略平衡產生深刻的破壞。在戰略層面上，人工智能扮演著兩種不同的角色。一方面，關于性能最強的人工智能的競爭已經在重新設計全球范圍內的力量平衡。俄羅斯總統弗拉基米爾-普京表示，"誰在人工智能領域領先，誰就能統治世界"，但也表示 "對人工智能優勢的競爭很可能會引起第三次世界大戰"。 美國國家安全戰略也認識到人工智能的戰略影響，呼吁私營部門在那些能夠影響國家安全挑戰的情況下共同承擔責任。 戰略層面的框架是通過自動化迅速實現對競爭對手的不對稱優勢，事實上，美國上一個國防戰略的目標之一是 "廣泛投資于自主性、人工智能和機器學習的軍事應用，包括快速應用商業突破，以獲得競爭性軍事優勢"。

人工智能和自主系統的關鍵應用是增強預測模式的能力，將潛在的威脅可視化，正如DARPA的知識導向的人工智能推理模式（KAIROS），并比以往更快地制定行動方案，如人工智能在戰爭游戲中的應用，可以比人類同行更快地完成回合，并同時處理每一個可能的動作，提供以前未見的建議。 英國將軍理查德-巴倫斯說："開源大數據和人工智能將成為情報系統的核心；商業低地球軌道立方體衛星將提供以前由昂貴的地球靜止軍事衛星完成的大部分圖像--以更方便和低成本的方式；陸地、海上和空中的無人駕駛車輛將取代現在處于危險中的一些人類"。該聲明反映了一種趨勢，即關注安全結構，但也關注私營部門，作為一個系統而不是獨立機構的集合來運作，這是一種整體政府的做法，也是整體工業的做法，但從本質上講，解決決策過程集中于少數決策者的問題。

決策過程的未來可能會看到自主技術的引入對觀察（O）、定位（O）和行動（A）階段產生重大影響，并使決定（D）階段進一步集中化。

自主性的危險

武裝沖突的自動化提供了如此明顯的機會，代表了下一個不對稱的優勢。從更廣泛的角度來看，自主系統據稱是解決不確定性、在有爭議的環境中的力量投射和（人類）力量的經濟性問題。然而，從指揮和控制的角度來看，人類和自主系統之間的關系是一個沒有被徹底探索的領域。

無風險的戰爭。克里斯-科克爾指出，政治領導人可能 "對精確、無風險的戰爭的想法如此陶醉，以至于我們相信我們想相信的東西"。傳統的工作人員評估軍事干預的風險受到不完美信息的偏見影響。模塊化的人工智能可能會在不久的將來幫助分析和評估風險，并減少錯誤的比例。這種技術在醫學領域已經有了，它被認為是世界上最好的診斷儀。 從政治的角度來看，一個所謂的無風險的行動，其國內受眾成本降低，使干預的決定更容易。

時間和信息（不受）控制。美國海軍陸戰隊將軍詹姆斯-卡特賴特在2007年預言："未來的決策周期不會是幾分鐘......未來的決策周期將是微秒級"。在不久的將來，對于每一個擁有這種能力的人來說，交戰將可能是以光速進行的。未來的指揮和控制架構將看到地面和天基傳感器、無人駕駛戰斗飛行器（UCAV）和導彈防御技術的結合，并得到定向能量武器的增強。此外，決策過程（以人為本）將受到基于信息的系統激增所產生的數據過載的影響。鑒于有能力以更快的速度和更小的代理進行交戰，防御者將無法觀察活動，確定自己的方向，決定如何回應，并根據該決定采取行動。攻擊者將把自己置于防御者的OODA循環之內，使對手進行積極防御的能力失效。迄今為止為軍事決策過程提供信息的行動-反應-反擊的循環將變得太快、太不可預測，無法以傳統方式管理。從戰略和行動的角度來看，決策的集中化將是處理 "肉搏戰 "及其所需的反應性、可用時間短、信息分散的最理想方式。

對自主智能體的過度依賴。自主代理，可以更好地應對大量的信息，而且不容易受到認知偏差的影響。此外，自主智能體不受疲勞等物理因素的影響，也不受采用人類啟發式方法在數據中建立可能沒有必要的聯系。 在戰略層面上，那些由能夠提供建議的人工智能協助的決策者，可能會認為自動系統的功能是一個 "神諭"，它將取代合格工作人員的咨詢功能。關鍵的含義是加強了與決策過程有關的兩個心理方面。一方面，神諭增強了決策者的代理感，即使沒有直接的戰爭經驗。另一方面，它將取代關鍵決策所需要的努力的心理活動，減少有經驗的工作人員的相關性，而支持基于計算機的建議的速度。

先發制人的攻擊風險。一場半自主的戰爭將以系統的整合、信息的主導、幾乎無風險的暗示和放大的對峙為特征。一個模塊化的人工智能可以被編程來處理全方位的戰略問題。不難設想一種升級主導的趨勢，目的是將時間強加給對手，迫使其投降。所有這些都會極大地破壞穩定，并可能鼓勵先發制人的攻擊，以及促使非對稱戰爭的發展。 高強度行動、網絡空間以及使用速度超過光速的導彈和無人駕駛車輛所隱含的瞬時決策已經導致了對 "超戰爭 "的警告。克勞塞維茨正確地指出，最大限度地使用武力與同時使用智力決不是不相容的。如果一方不加計算地使用武力，不畏流血犧牲，而另一方則保持克制，那么前者將占上風，一方將迫使另一方效仿，每一方都會將其對手推向極端，而唯一的限制因素是戰爭中固有的反方法。

一個持久的、精確的和適應性強的安全應用是有效的部隊保護條件（FPCON）的必要組成部分，因為美國的軍事設施已經成為恐怖主義和暴力行為的常見目標。目前的軍事安全應用需要一種更加自動化的方法，因為它們嚴重依賴有限的人力和有限的資源。目前的研究開發了一個由嵌入式硬件組成的離網部署的聯合微調網絡，并評估了嵌入式硬件系統和模型性能。聯合微調采用集中預訓練的模型，并在一個聯邦學習架構中對選定的模型層進行微調。聯合微調模型的CPU負載平均減少65.95%，電流平均減少56.18%。MobileNetV2模型在網絡上傳輸的全局模型參數減少了81.59%。集中預訓練的MNIST模型開始訓練時，比隨機初始化的模型的初始準確率提高了53.94%。集中預訓練的MobileNetV2模型在第0輪訓練時表現出90.75%的初始平均準確率，在75輪聯合訓練后，整體性能提高了3.14%。目前的研究結果表明，聯合微調可以提高系統性能和模型精度，同時提供更強的隱私性和安全性，以抵御聯邦學習攻擊。

這項工作提出了一個支持決策過程的算法框架，其中終端用戶在領域專家的協助下解決一個問題。此外，終端用戶和領域專家之間的交流的特點是問題和答案的數量有限。開發的框架可以幫助領域專家向終端用戶精確定位少量的問題，以增加其見解正確的可能性。建議的框架是基于領域專家的知識，包括與領域專家和終端用戶的互動。領域專家的知識由知識圖譜表示，而終端用戶與問題相關的信息作為證據被輸入圖譜。這就觸發了圖中的推理算法，該算法向領域專家建議最終用戶的下一個問題。本文在醫學診斷領域提出了一個詳細的建議框架；然而，它也可以適應具有類似設置的其他領域。我們開發的軟件框架使決策過程以互動和可解釋的方式進行，這包括使用語義技術，因此是創新的。

簡介

近年來，"大數據 "世界獲得了巨大的發展動力，并不斷產生機遇和挑戰[1,2]。大數據的各種用途已經滲透到技術世界的幾乎每一個領域。我們對在處理決策過程的技術領域整合大數據的挑戰感興趣，以便利用這些過程。

這些過程可以在各種各樣的內容世界（醫學、商業、教育等）中找到，并且需要了解情況意識、數據建模以及提供智能見解的算法。然而，這些過程為不同的需求提供不同的答案；因此，有幾種類型的決策過程，每一種都有合適的設置[3,4]。

在這項工作中，我們專注于具有以下設置的決策過程：（a）該過程涉及兩個實體：一個最終用戶和一個領域專家，（b）最終用戶啟動該過程，（c）兩個實體之間存在互動，包括（領域專家的）問題和（最終用戶的）答案，（d）兩個實體之間的互動盡可能有限（在時間、問題數量、金錢等方面）。

鑒于上述情況，本報告的目的是提供一個基于語義技術的框架，該框架能夠整合大數據，在決策過程中協助領域專家，向他們建議一套針對最終用戶的問題（從數據中推斷出來的），這將減少問題和答案的循環。 考慮以下兩個領域的例子，其流程自然適合這樣的設置：醫療診斷[5]和家電維修[6]（表1）。

如前所述，上述兩個領域包含了一個兩方面的有限互動。這種限制可以用時間、問題的數量等來表示。請注意，醫療和家電維修這兩個領域都是寬泛的領域，可以被專門化為特定的子領域。例如，家電維修領域可以被專業化為建筑服務、互聯網服務、家庭故障服務等。醫療領域也是如此。它也可以包含一些子域，如各領域的醫療咨詢（如心理學）、緊急醫療電話的處理等。

建議的框架包括兩個主要部分：(a) 使用語義技術對相關領域專家的知識進行正式表示，特別是知識圖譜，以及(b) 一套互動的算法，從一組初始領域值（即最終用戶的先驗知識）開始，然后，基于這些先驗知識和知識圖譜表示，它將向最終用戶提出具體問題。這些問題的答案將推動領域專家的決策過程，并成為下一次迭代的輸入。迭代將繼續進行，直到領域專家感到滿意并做出決定。

我們有動力通過知識圖譜來表示專家的知識，因為圖譜已經成為表示連接數據的一種自然方式[7]。在過去的十年中，人們努力將大量的數據組織成節點和邊的集合，特別是在推薦系統、搜索引擎優化和決策過程中[8,9,10]。由此產生的靈活結構，稱為知識圖譜，允許快速適應復雜的數據和通過關系的連接。它們固有的互連性使人們能夠使用圖算法來揭示隱藏的模式和推斷新的知識[11,12,13,14]。此外，知識圖譜在計算上是高效的，并且可以擴展到非常大的規模，社會圖譜分析就是一個例子[15,16]。

我們的框架受到了Musen和他的同事[17]的啟發，他們是生物醫學信息學領域的知名研究者，提出了關于協助臨床決策支持（CDS）的信息技術的看法。Musen等人[17]提出了提供CDS的系統的指導原則：他們的論述是關于交流而不是檢索信息，建議而不是產生報告，以及協助領域專家發展更多的知情判斷。分別來說，引導我們開發框架的概念是為領域專家提供從分析圖表示的相關數據中推斷出的建議，并使他能夠做出明智的決定。然而，另外一個領先的概念是以有限的迭代次數來進行。我們的框架可以擴展到其他領域。

在所提交的工作中，我們為一個交互式框架引入了一種新的方法，以支持以有限的交互次數為特征的決策過程。該框架通過使用圖數據模型、圖算法和語義技術，以通用的方式進行創新。我們在一個真實的數據集上運行我們的算法，并在一個可能的現實場景中展示框架的可行性。因此，我們為我們的框架提供了一個概念證明。

為了說明擬議的框架，我們首先回顧了知識圖譜和決策過程（第2節）。然后，我們定義了該框架的術語和算法（第3節）。隨后，我們在醫學診斷領域使用由疾病和病人癥狀組成的數據集來演示該框架（第4節）。最后，我們總結并考慮潛在的未來方向（第5節）。

框架與算法

這一節中介紹了所提出的框架，其中包括一個算法集合和它們之間的互動。

目標是基于互動的決策過程。互動是在領域專家和終端用戶之間進行的，結果是有限的迭代，由框架建議領域專家問終端用戶的問題組成。決策過程將根據終端用戶的回答而進行。

當分析這些類型的過程時，我們得出結論，它們可以被籠統地建模為一個癥狀和疾病的集合。最終，該過程的目標是協助領域專家決定診斷（即在分析現有數據的基礎上為一組給定的癥狀提供解釋）。Musen將診斷過程描述為決定要問哪些問題，要做哪些測試，或要執行哪些程序[7,17]。診斷過程中可能出現的問題有以下幾種類型。終端用戶是否有一個特定的癥狀？

上述術語（即癥狀、疾病、問題和診斷）產生的行話可以自然地用于醫學診斷領域，然而它也適用于其他領域，如家電維修：癥狀代表問題，疾病代表故障，診斷是一種故障識別，一個典型的問題可以是。終端用戶的電器有什么特別的問題嗎？

當在提議的框架中使用這個行話時，我們用假設一詞來代替診斷，因為該框架并不向領域專家提供診斷，而是提供可能的假設。每個假說實際上是一種潛在的疾病，它伴隨著一個問題，是表明疾病（假說）的癥狀。因此，我們在本文中用來描述框架及其各種算法的行話包括：癥狀、疾病、問題和假設。特別是，該框架推斷出假設及其相關的問題，并將它們提交給領域專家，后者決定是否使用（或不使用）這些問題來確認（或不確認）這些假設（疾病）。

在本節的其余部分，我們將描述該框架及其算法，首先是一般的，然后是詳細的。

一般來說，我們首先從原始數據建立一個知識圖譜，這將有助于探索疾病和癥狀之間的關系。在此之后，我們在KG上使用魯汶分層聚類法[21]（算法1）來尋找社區（即具有類似癥狀的疾病群）。然后，給定最終用戶報告的癥狀（稱為證據癥狀），我們使用KG上的推理找到與證據癥狀相匹配的可能疾病（算法2）。在這一點上，我們推斷出最可能的社區，以包括最終用戶的疾病，并向領域專家建議一個表明這個社區的問題（癥狀）（算法3）。最后，我們找到最佳假設建議給領域專家（算法4），也就是說，我們向領域專家建議最終用戶可能有的疾病和癥狀，以解決診斷過程的改進。

整個框架分為兩個主要部分：第一部分，預處理部分，在框架啟動后進行；而第二部分，處理部分，在每次有新請求到達框架時進行。預處理部分包括兩個步驟和一個算法（算法1），而處理部分包括三個步驟和三個算法（算法2-4），正如我們在下面描述的那樣。

我們使用的數據結構包括代表KG的結構（默認是鄰接列表）和運行算法所需的額外結構。在下面描述算法的段落中，我們將詳細介紹這些結構和它們的用途。

預處理部分：

輸入：一個疾病及其癥狀的列表

第1步：構建一個疾病和癥狀的知識圖（KG）（見第3.1節）。

第2步：根據疾病的癥狀將其聚類為一組（稱為社區），即具有類似癥狀的疾病將在同一個社區中（算法1）。

輸出：(1）每一種疾病都與KG中的一個社區相關聯；（2）額外的數據結構，稱為癥狀社區矩陣（SCM），表示疾病組和各種癥狀之間的聯系 處理部分：

輸入：K證據癥狀

第一步：尋找最可能的疾病，即與證據癥狀相匹配的可能疾病（算法2）。

第2步：推斷并向領域專家建議（根據需要重復）一個問題（癥狀），表明最可能的社區包括最終用戶疾病（算法3）。

第3步：推斷并向領域專家建議一個假說（最終用戶可能患有的疾病）及其相關問題（癥狀）的列表，并按相關性排序（算法4）。

圖1顯示了整個建議框架的高級視圖。

隨著海軍特種作戰從過去20年的反恐行動轉向有爭議環境中的同行競爭，他們需要地面部隊指揮官（GFC）為減輕認知過載、運用綜合效應和平衡戰略任務風險做好準備。如果地面部隊指揮官的培訓能夠以合格的理論標準為基礎，那么就可以通過系統化的培訓管道來減少任務的剩余風險和部隊的風險，這可以通過整合目前可用的虛擬現實技術來增加、啟用和加強。GFC崗位傳統上是一個批判性思維、決策和應急管理的角色。隨著戰場的發展，GFC將有比過去更多的資產需要控制，更多的突發事件需要計劃。這項研究評估了當前的GFC培訓和虛擬現實生態系統。海軍特戰界應采用地面部隊指揮官的虛擬現實訓練器，因為它將使GFC在零威脅的環境下進行反復訓練。

由于現行訓練準則的限制，海軍特種作戰社區的地面部隊指揮官沒有充分發揮他們的潛力。初級軍官為成為一名地面部隊指揮官總共接受了八周的正式培訓：六周在初級軍官培訓課程，兩周在地面部隊指揮官課程。初級軍官被期望成功地計劃和執行現實世界的行動，同時只完成極少的現實訓練場景。海軍特戰部隊的士兵至少屬于許多類別中的一種；他們是突破者、聯合終端攻擊控制者、狙擊手、偵察負責人或通信專家。這些專業中的每一個都有正式的訓練和持續演習，可以持續八個星期。訓練也是年復一年地進行，而地面部隊指揮官通常只經過一次正式訓練。想象一下，在未來，海軍特種作戰初級軍官準備在明天的戰爭中帶領各排對抗同行的競爭對手。挑戰將是巨大的，因為地面部隊指揮官沒有足夠的專門訓練時間來完善成為有效的戰斗領導人所需的技能。

本頂點研究主要關注以下內容。海軍特種作戰部如何能更好地準備和訓練其地面部隊指揮官，同時整合不斷進步的虛擬現實技術？通過海軍研究生院國防分析系和計算機科學系的共同努力，這項研究開始在一個合成環境中設計場景，初級軍官最終將能夠使用這些場景作為現有地面部隊指揮官培訓的補充。

虛擬現實在軍隊中并不是一個新概念；不同軍種都在某種程度上使用虛擬現實來加強訓練。海軍特種作戰部甚至有一個虛擬現實系統，是其JTACs的一個記錄項目。該記錄項目證明了特種作戰司令部致力于虛擬現實技術的采用，以確保其操作人員得到最好的培訓質量。這項研究不是為了創造一種新的虛擬現實技術，而是為了了解虛擬現實生態系統，然后為海軍特種作戰找到一種合適的采用方法。虛擬現實生態系統正在成倍增長，正因為如此，倫理和道德正在成為其開發者和使用者中更受歡迎的話題。隨著虛擬現實技術越來越容易被終端用戶使用，在短期內需要進行更多關于虛擬現實技術對個人行為的長期影響的研究。

地面部隊指揮官虛擬現實訓練器并不打算取代現有的培訓或正式課程。它只是作為一種補充。評價是，沒有足夠的專門時間讓初級軍官在成為地面部隊指揮官方面得到有意義的重復訓練。如果虛擬現實訓練器要對海軍特種作戰指揮部產生積極的影響，初級軍官的訓練就需要修改。建議在初級軍官培訓課程中初步實施這項技術，而不是干擾正在準備進行單位級別訓練和部署的海軍特種作戰排。初級軍官在這一階段的訓練中處于學生狀態，還沒有被引入深入的任務規劃或復雜的決策練習。向學生介紹虛擬現實訓練器將提供充足的時間來測試硬件和軟件，然后再將其用于更嚴峻的情況。

在海軍特戰基礎訓練司令部和海軍研究生院的模擬虛擬環境和模擬實驗室之間建立一個反饋回路，將使未來的場景發展和持續的伙伴關系成為可能。對未來研究和發展的建議包括以下內容：海軍研究生院的Bucklew小組和海軍特種作戰基本訓練司令部之間繼續合作，與工業界合作以加快合成環境訓練場景的創建，以及對特種作戰部隊的虛擬現實訓練的有效性進行正式評估。

在新環境中有效的自主導航對于智能體達到更復雜的自主水平至關重要。我們對改善攜帶輕型光電傳感器有效載荷的車輛在未知環境中的自主導航和估計感興趣。由于傳感的限制，在非瑣碎的新環境中，世界的許多幾何結構還沒有被觀察到，導致了嚴重的幾何模糊性。盡管收集額外的幾何信息可以減少模糊性，但這樣做往往與任務的目標相抵觸。我們建議將對象層面的語義信息和幾何信息結合起來，以切實改善導航和估計。

在這篇論文中，我們提出了在新環境中改善自主導航的三個貢獻。首先，我們通過將有用的導航行為編碼在由部分占有率和對象級地圖告知的抽樣分布中，來提高新環境中的導航效率。我們認識到，在有效導航時，在有限的視角下，對象層面的估計是具有挑戰性的，因此我們還開發了兩種在線建立對象層面表征的方法。在我們的第二個貢獻中，我們通過引入額外的紋理測量和語義類形狀先驗，提高了帶有橢圓體表征的對象級SLAM的視點效率。最后，在我們的第三個貢獻中，我們提出了一種新的深度學習的三維對象估計方法，利用間接的圖像空間注釋和類內形狀一致性來實現從單一的RGB圖像的三維對象估計。