AAAIOct, 2019

多域作战中，可解释的 AI 对智能增强作用的解释

PDF
TL;DR本文旨在将联合态势感知概念映射到多域作战（MDO）ISR 要求，着重强调需要确保和可解释的 AI 以允许在多个合作伙伴之间分配资产的强大人机决策制定。同时，我们提供了 AI 和 IA 在 MDO ISR 中的举例，包括强化资产互操作性的人机团队合作，密集城市地形分析等，并评估了解释 AI 在人机协作方面的最新技术水平。三个元素的结合展示了联合态势感知方法在 MDO ISR 背景下的潜在价值，并明确了多个合作伙伴的情况下解释性的重要性。
multi-domain operationsintelligence surveillance and reconnaissanceartificial intelligenceintelligence augmentationexplainable ai
发现论文，激发创造
  • 图像 - 音频编码以提高多领域环境下的 C2 决策制定

    研究军事多域作战中如何利用物联网技术提高通讯和敏捷性，以及如何通过信息伪装技术解决不确定性，包括未知 - 未知以提高决策能力。

    Jun, 2021

  • 可解释的入侵检测系统 (X-IDS)：当前方法、挑战和机会的调查

    应用人工智能和机器学习于网络安全已有广泛应用，特别是使用深度学习技术设计的 IDS. 然而，这些系统被视为黑盒模型，无法提供预测的合理解释。因此，需要设计可解释的 IDS，调查了可解释 AI 的现状，并提出了一种人们参与的通用架构，以用作设计 X-IDS 的指导

    Jul, 2022

  • 通过鲁棒性和关键性，结合人工智能控制系统和人类决策支持

    AI 控制系统和对抗性解释在增强学习中具有广泛的应用，可用于智能决策工具和训练框架，增强决策和解释的能力，并提供强大的防御能力。

    Jul, 2024

  • 一种面向质量感知的 IoE 服务交付的可解释人工智能框架

    本文提出一种可解释的人工智能框架，以实现面向质量的 IoE 服务交付，通过 Shapley 值解释确定语境矩阵的系数，最终，实验结果表明，Extra Trees 回归模型对准确性和解释性之间的权衡具有显着的性能优势。

    Jan, 2022

  • 面向可解释的元学习从事 DDoS 检测

    本文提出了一种基于人工免疫系统的严格可解释人工智能驱动的入侵检测方法，重点介绍了决策树模型的严格解释计算过程，并给出了正常流量的素质蕴含说明。

    Apr, 2022

  • 运用自组织映射创建可解释性入侵检测系统

    本文介绍了一种基于自组织映射的可解释入侵检测系统（X-IDS），该系统可以产生全局和局部的可解释性可视化；该 X-IDS 在 NSL-KDD 和 CIC-IDS-2017 数据集上通过解释生成和传统精度测试进行了评估。

    Jul, 2022

  • 现代分布式计算系统中基于人工智能的资源管理

    本文探讨了数据驱动资源管理系统在分布式计算系统中的应用及其挑战所在，并提供了一个概念性的数据驱动 RMS 模型，并以 GPU 频率调节和互联网数据中心资源管理两个实时案例证明该方法是可行的。

    Jun, 2020

  • 构建医学领域可解释的 AI 系统需要什么？

    本篇论文介绍了医学领域中解释性人工智能的研究，强调让人们能够透明地理解和信任 AI/ML 技术的重要性，主要关注于图像、* 组学数据和文本三个方面。

    Dec, 2017

  • 可解释联盟情境理解实验平台

    这篇研究论文介绍了一个名为 SUE 的实验平台，它能集成符号 AI/ML 和子符号 AI/ML 方法进行事件处理，以及支持跨领域作战，强调资产互操作性和人机团队协同，尤其适用于密集城市地形的联合态势理解任务。

    Oct, 2020

  • 神经符号可解释的人工智能双胞胎用于无触碰 IoE 的无线网络

    本文提出了一种基于神经符号的可解释人工智能双胞胎框架，以实现对于无线万物互联环境下网络和服务管理的可靠信任，该框架通过神经网络驱动的多元回归捕捉时间相关的无线万物互联环境，并通过基于有向无环图的贝叶斯网络对无意识决策进行符号推理，实现了对显式学习者和隐式学习者的管理。实验结果表明，所提出的神经语义 XAI 双胞胎在理性和闭环自动化方面可实现约 96.26％的准确性，并保证了 18％到 44％的更多信任分数。

    Oct, 2022