简介：SLAM技术当前发展主要侧重于视觉SLAM,其关键技术是对采集图像的特征识别匹配。本文对目前视觉SLAM领域中主流的图像特征提取算法进行了比较和仿真实验,分析了ORB-SLAM技术的特点和应用场景,并结合案件现场模拟分析需求,对视觉SLAM技术在公安刑侦领域的应用进行了介绍。ORB-SLAM技术具有实时性强、鲁棒性好和易与其他技术融合的特点,可用于提升公安部门的智能化办案水平和办案效率。

简介：人工智能技术在军事领域中的应用受到越来越多国家的重视,国外相继大力资助人工智能技术军事化应用的研究和开发工作,且有了很大进展。本文简述了人工智能在军事领域中的应用,以及国外人工智能典型的军事应用项目和理念。人工智能的发展将对军事装备的发展产生重大作用,也将对未来战争的战略、战术带来重大影响。

简介：研究基于深度强化学习技术的避障场景的算法模型设计，采用改进岛深度Q网络（DeepQ-lesrningNet-work，DQN）算法克服了Q-learning表名式算法在连续状态下导致内存不足的局限性。鉴于学习过程中奖励稀疏导致很艰难获得较好结果的情况，改进奖利机制，增知实时奖惩作为补充，解决学习耗时长和练不稳定的问题：采用相对角度、位置金和距离等信息，相比绝对坐标信息可以更有效的躲障碍物。不同于基于栅格法／可视图法等传统人为策略避障算法，深度强化学习算法DQN能够在缺乏先验知识的条件下具备自主决策能力，因此适用性更强。该技术可应用在仓储无人车、巡佥机器人、无人机等现实场景。

简介：在工业物联网高速发展的同时，伴随着网络安全威胁的急逮攀升，准确检测到威胁工业物联网安全的入侵行为是极其重要的。本文简要分斩了工业物联网所面临的网络安全问题，采用了6种基于机器学习算法的入侵检测技术，并对应用效果进行对比分析。通过实验验证了入侵检测的有效性，并对下一阶段的研究方向做出了展望。

简介：深度学习算法在物联网终端设备上的应用存在着系统开销控制与保证精度和实时性之间平衡的问题。本文提出了一种在云和终端设备上分布式混合部署深度学习神经网络的方法:压缩深度神经网络在本地终端上执行快速的推理运算;当系统基于可信表现的判断标准需要进一步处理时,中间数据可传输至云服务器端,进一步利用云端的深层深度神经网络进行处理,以提高系统的表现精度。本文给出了深度神经网络在终端设备上部署时和在终端与云端上混合部署时进行推理运算的量化比较效果,结果显示此种方法兼顾了深度神经网络的系统开销和准确率。

简介：介绍了平时生活中各种不同设备的遥控带来不少麻烦和问题，而现有的万能遥控器数据压缩率低、响应时间长、学习类型少。通过分析研究，针对红外、无线这两种主流的遥控方式，进一步提出一种基于低功耗32位单片机EFM32GG230的自学习系统，对红外无线数据进行压缩存储，并通过多通道转发电路进行信号发射。本系统具有低功耗、自学习范围广、信号集中控制、数据压缩率高、一键多发多控等优点，可以为人们的生活带来便利，让遥控不再繁杂。