Künstliche Intelligenz bietet ein großes Potenzial zur Erweiterung der Einsatzmöglichkeiten unbemannter Flugsysteme in Verteidigungs- und Sicherheitsmissionen. Ihr praktischer Einsatz in umkämpften und sich schnell verändernden Umgebungen ist jedoch nach wie vor durch die funktionale Zuverlässigkeit KI-basierter Systemmodelle unter Kampfbedingungen eingeschränkt.
Mit zustandsraum-basierten Interpretationsmethoden, die eine gezielte, iterative Generierung von Trainingsdaten ermöglichen und die Modellgenauigkeit insbesondere in sicherheitskritischen Randbedingungen verbessern, stellen wir einen Ansatz vor, um diese Einschränkungen zu überwinden, indem wir die Zuverlässigkeit von neuronalen netzwerkbasierten dynamischen Modellen ve ...