flight simulator 202的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

智能無人機之鯨豚偵測追蹤技術研究

為了解決flight simulator 202的問題，作者錢定遠 這樣論述：

本篇論文介紹白海豚偵測程式應用於虛擬無人機自主追蹤白海豚，為實海域實機測試前期準備。SITL飛行模擬器使開發者可在個人電腦使用ArduPilot無人機系統，該無人機系統與未來實體測試使用之系統相同。模擬讓我們得以了解程式將如何運行於無人機上，也可減少未來實體測試的研究成本及財產安全損失。 利用台大鯨豚實驗室整理之已命名PHOTO ID的2018年白海豚資料庫，使用YOLO v4訓練資料庫照片，建立白海豚即時視覺偵測模型。在實海域拍攝白海豚之影片中，該程式測得在最小702 個像素，以0.5AP(平均準確率)以上偵測信心，正確偵測出白海豚。透過模擬環境，本論文也提供本偵測模型合適的偵測高度

、距離及俯仰角，以利後續開發效能更佳的鯨豚追蹤演算法。 另也利用已鑑定為Doufu白海豚的照片，以Blender建立3D白海豚模型。在Gazebo模擬器，3D白海豚以10節速度在海洋中以正方形、圓形、8字形在水面上水平移動，利用虛擬無人機上的鏡頭拍攝，並透過自建的白海豚偵測程式，在特定條件下可成功追蹤不跟丟。在實海域影片測試中，利用公視由船上拍攝視角可得出約50%以上的準確率，而由於缺乏俯視圖訓練，因此在蔡嘉揚博士空拍白海豚畫面中僅得不到10%的準確率。 瀕危的中華白海豚數量在台灣近年銳減，周[1]等(2019)報告指出每年目擊的個體數從2017年開始明顯下降，新生白海豚數量也低於

死亡或失蹤的個體數目。建立全面且即時的辨識系統勢在必行，希望藉由開發此平台，使後續實海域無人機偵測追蹤白海豚的可行性能提高並設法改進評估，更希望能藉此拋磚引玉，提供後輩參考，修正改進。

Modeling, Classifying, and Optimizing the Management of Elephant Flows over Software-Defined Networks

為了解決flight simulator 202的問題，作者Ling Xia Liao 這樣論述：

電腦網路通常將資料容量較大且持續時間較長的流稱為大象流。由於多個大象流佔用相同網路鏈路會造成網路擁塞，降低網路性能和服務品質，偵測大象流對電腦網路的性能管理和資源優化非常關鍵。軟體定義網路（Software-defined networking）是一種新型的網路架構。該架構將網路管理與資料轉發功能解耦，提供了新機制對網路進行全域管理和優化。本論文研究基於軟體定義架構的電腦網路上的通用大象流偵測方法，旨在通過研究資料包的採樣，大象流的建模，和網路的優化方法使得軟體定義網路控制器可以進行準確、穩定和高效的大象流偵測。本論文首先研究了軟體定義網路上資料包的採樣並提出使用流表項失效時間對轉發到控制器

的包進行採樣，從而使控制器可以根據收到的包對大象流進行偵測。這種方法徹底避免了將交換機流表項保存的統計資訊直接轉發到控制器導致控制通道頻寬佔用過大的問題，使得控制器在進行大象流偵測時可以避免佔用過多網路資源。其次研究了大象流的建模，提出了三個大象流模型（ModelA、ModelB、和ModelC），並對模型的精度和穩定性進行了分析。由於使用控制器自己生成的網路統計資訊對大象流進行偵測將流表項失效時間與大象流偵測精度、流表大小以及控制通道頻寬佔用等多個網路性能指標耦合在一起，本論文構建並求解了一個多目標優化方程，旨在尋找最優的流表項失效時間對大象流偵測精度、流表大小、控制通道頻寬佔用進行聯合優化

。本論文最後提出了兩個方案對流表項失效時間進行優化。第一個方案使用ModelA 對大象流進行準確和穩定的偵測。該方案構建了一個三目標優化方程聯合優化大象流偵測精度、大象流偵測時效性、和控制通道頻寬佔用。該三目標優化方程通過加權轉化為一個單目標優化方法並通過貝葉斯優化法（Bayesian Optimization）求解得到最佳的流表項失效時間和變化率。第二個方案使用ModelB 和ModelC 構造半監督學習法（cotraining），再與強化學習法（Reinforcement learning）相結合在軟體定義網路上實現了對大象流準確、穩定、和高效的偵測。這個方案利用了ModelC 的高效率，

並通過ModelB 不斷地將部分無標籤的測試資料包轉化為有標籤的訓練資料包，對ModelC 進行持續再訓練，有效地提高了ModelC 偵測精度和穩定性。ModelB在轉化過程中所消耗的控制通道頻寬通過強化學習構建的獎勵方程進行控制，從而使控制器可以使用交換機轉發的資料包實現對大象流準確、穩定、高效的偵測。本論文所有工作都在開源平臺上，使用Python 語言程式設計實現，並通過模擬進行功能和性能的評估。儘管模擬方法具有一定的局限性，本論文最後分析和討論了如何將這些採樣、建模、偵測、和優化方法進一步推廣到實際的軟體定義網路和不同應用場景中。