ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Cognitive Electronic Warfare: An Artificial Intelligence Approach

دانلود کتاب جنگ الکترونیک شناختی: رویکرد هوش مصنوعی

Cognitive Electronic Warfare: An Artificial Intelligence Approach

مشخصات کتاب

Cognitive Electronic Warfare: An Artificial Intelligence Approach

ویرایش: [1 ed.] 
نویسندگان:   
سری:  
ISBN (شابک) : 1630818119, 9781630818111 
ناشر: Artech House 
سال نشر: 2021 
تعداد صفحات: 288
[261] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 Mb

قیمت کتاب (تومان) : 68,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب Cognitive Electronic Warfare: An Artificial Intelligence Approach به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب جنگ الکترونیک شناختی: رویکرد هوش مصنوعی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب جنگ الکترونیک شناختی: رویکرد هوش مصنوعی

این کتاب جامع مروری بر نحوه استفاده از سیستم‌های شناختی و هوش مصنوعی (AI) در جنگ الکترونیک (EW) می‌دهد. خوانندگان یاد خواهند گرفت که چگونه سیستم‌های EW سریعتر و موثرتر به شرایط میدان نبرد واکنش نشان می‌دهند، جایی که رادارهای پیچیده و ازدحام طیف اولویت بالایی برای سیستم‌های EW دارند که می‌توانند شکل موج‌های جدید را مشخص و طبقه‌بندی کنند، هدف را تشخیص دهند، و اقدامات متقابل طراحی و آزمایش کنند. تکنیک های خاصی برای بهینه سازی یک سیستم EW شناختی و همچنین ارزیابی توانایی آن برای یادگیری اطلاعات جدید در زمان واقعی پوشش داده شده است. این کتاب هوش مصنوعی را برای پشتیبانی الکترونیکی (ES)، از جمله خصوصیات، طبقه‌بندی، الگوهای زندگی، و تشخیص قصد ارائه می‌کند. تکنیک‌های بهینه‌سازی، از جمله معاوضه‌های زمانی و چالش‌های بهینه‌سازی توزیع‌شده نیز مورد بحث قرار می‌گیرند. مسائل مربوط به یادگیری ماشینی در زمان واقعی در ماموریت و برخی رویکردها برای رسیدگی به این چالش مهم ارائه و شرح داده شده است. این کتاب مدیریت نبرد الکترونیکی، مدیریت داده ها و به اشتراک گذاری دانش را پوشش می دهد. رویکردهای ارزیابی، از جمله نحوه نشان دادن اینکه یک سیستم یادگیری ماشینی می‌تواند نحوه مدیریت محیط‌های جدید را بیاموزد، نیز مورد بحث قرار می‌گیرد. این کتاب که توسط کارشناسانی با تجربه دست اول در EW مبتنی بر هوش مصنوعی نوشته شده است، اولین کتاب در مورد یادگیری و بهینه سازی در زمان واقعی در ماموریت است.


توضیحاتی درمورد کتاب به خارجی

This comprehensive book gives an overview of how cognitive systems and artificial intelligence (AI) can be used in electronic warfare (EW). Readers will learn how EW systems respond more quickly and effectively to battlefield conditions where sophisticated radars and spectrum congestion put a high priority on EW systems that can characterize and classify novel waveforms, discern intent, and devise and test countermeasures. Specific techniques are covered for optimizing a cognitive EW system as well as evaluating its ability to learn new information in real time. The book presents AI for electronic support (ES), including characterization, classification, patterns of life, and intent recognition. Optimization techniques, including temporal tradeoffs and distributed optimization challenges are also discussed. The issues concerning real-time in-mission machine learning and suggests some approaches to address this important challenge are presented and described. The book covers electronic battle management, data management, and knowledge sharing. Evaluation approaches, including how to show that a machine learning system can learn how to handle novel environments, are also discussed. Written by experts with first-hand experience in AI-based EW, this is the first book on in-mission real-time learning and optimization.



فهرست مطالب

Cognitive Electronic Warfare: An Artificial Intelligence Approach
Contents
Foreword
Preface
1
Introduction to Cognitive EW
	1.1 What Makes a Cognitive System?
	1.2 A Brief Introduction to EW
	1.3 EW Domain Challenges Viewed from an AI Perspective
		1.3.1 SA for ES and EW BDA
		1.3.2 DM for EA, EP, and EBM
		1.3.3 User Requirements
		1.3.4 Connection between CR and EW Systems
		1.3.5 EW System Design Questions
	1.4 Choices: AI or Traditional?
	1.5 Reader’s Guide
	1.6 Conclusion
	References
2
Objective Function
	2.1 Observables That Describe the Environment
		2.1.1 Clustering Environments
	2.2 Control Parameters to Change Behavior
	2.3 Metrics to Evaluate Performance
	2.4 Creating a Utility Function
	2.5 Utility Function Design Considerations
	2.6 Conclusion
	References
3
ML Primer
	3.1 Common ML Algorithms
		3.1.1 SVMs
		3.1.2 ANNs
	3.2 Ensemble Methods
	3.3 Hybrid ML
	3.4 Open-Set Classification
	3.5 Generalization and Meta-learning
	3.6 Algorithmic Trade-Offs
	3.7 Conclusion
	References
4
Electronic Support
	4.1 Emitter Classification and Characterization
		4.1.1 Feature Engineering and Behavior Characterization
		4.1.2 Waveform Classification
		4.1.3 SEI
	4.2 Performance Estimation
	4.3 Multi-Intelligence Data Fusion
		4.3.1 Data Fusion Approaches
		4.3.2 Example: 5G Multi-INT Data Fusion for Localization
		4.3.3 Distributed-Data Fusion
	4.4 Anomaly Detection
	4.5 Causal Relationships
	4.6 Intent Recognition
		4.6.1 Automatic Target Recognition and Tracking
	4.7 Conclusion
	References
5
EP and EA
	5.1 Optimization
		5.1.1 Multi-Objective Optimization
		5.1.2 Searching Through the Performance Landscape
		5.1.3 Optimization Metalearning
	5.2 Scheduling
	5.3 Anytime Algorithms
	5.4 Distributed Optimization
	5.5 Conclusion
	References
6
EBM
	6.1 Planning
		6.1.1 Planning Basics: Problem Definition, and Search
		6.1.2 Hierarchical Task Networks
		6.1.3 Action Uncertainty
		6.1.4 Information Uncertainty
		6.1.5 Temporal Planning and Resource Management
		6.1.6 Multiple Timescales
	6.2 Game Theory
	6.3 HMI
	6.4 Conclusion
	References
7
Real-Time In-mission Planning and Learning
	7.1 Execution Monitoring
		7.1.1 EW BDA
	7.2 In-Mission Replanning
	7.3 In-Mission Learning
		7.3.1 Cognitive Architectures
		7.3.2 Neural Networks
		7.3.3 SVMs
		7.3.4 Multiarmed Bandi
		7.3.5 MDPs
		7.3.6 Deep Q-Learning
	7.4 Conclusion
	References
8
Data Management
	8.1 Data Management Process
		8.1.1 Metadata
		8.1.2 Semantics
		8.1.3 Traceability
	8.2 Curation and Bias
	8.3 Data Management
		8.3.1 Data in an Embedded System
		8.3.2 Data Diversity
		8.3.3 Data Augmentation
		8.3.4 Forgetting
		8.3.5 Data Security
	8.4 Conclusion
	References
9
Architecture
	9.1 Software Architecture: Interprocess
	9.2 Software Architecture: Intraprocess
	9.3 Hardware Choices
	9.4 Conclusion
	References
10
Test and Evaluation
	10.1 Scenario Driver
	10.2 Ablation Testing
	10.3 Computing Accuracy
		10.3.1 Regression and Normalized RMSE
		10.3.2 Classification and Confusion Matrices
		10.3.3 Evaluating Strategy Performance
	10.4 Learning Assurance: Evaluating a Cognitive System
		10.4.1 Learning Assurance Process
		10.4.2 Formal Verification Methods
		10.4.3 Empirical and Semiformal Verification Methods
	10.5 Conclusion
	References
11
Getting Started: First Steps
	11.1 Development Considerations
	11.2 Tools and Data
		11.2.1 ML Toolkits
		11.2.2 ML Datasets
		11.2.3 RF Data-Generation Tools
	11.3 Conclusion
	References
Acronyms
About the Authors
Index




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد