論文の概要: Signal Enhancement for Magnetic Navigation Challenge Problem

• arxiv url: http://arxiv.org/abs/2007.12158v1
• Date: Thu, 23 Jul 2020 17:44:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 12:23:11.985839
• Title: Signal Enhancement for Magnetic Navigation Challenge Problem
• Title（参考訳）: 磁気ナビゲーション問題のための信号強調
• Authors: Albert R. Gnadt, Joseph Belarge, Aaron Canciani, Lauren Conger, Joseph Curro, Alan Edelman, Peter Morales, Michael F. O'Keeffe, Jonathan Taylor, Christopher Rackauckas
• Abstract要約: 本稿では,地磁気信号と航空機磁気信号を分離してクリーンな信号を導出し,磁気ナビゲーションを実現することを目的とする。 データセットのベースラインテストでは、機械学習(ML)を用いて全磁場から地球磁場を抽出できることが示されている。 課題は、訓練されたニューラルネットワークを用いて、航空機の磁場を全磁場から除去することである。
• 参考スコア（独自算出の注目度）: 2.1374806859886495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Harnessing the magnetic field of the earth for navigation has shown promise as a viable alternative to other navigation systems. A magnetic navigation system collects its own magnetic field data using a magnetometer and uses magnetic anomaly maps to determine the current location. The greatest challenge with magnetic navigation arises when the magnetic field data from the magnetometer on the navigation system encompass the magnetic field from not just the earth, but also from the vehicle on which it is mounted. It is difficult to separate the earth magnetic anomaly field magnitude, which is crucial for navigation, from the total magnetic field magnitude reading from the sensor. The purpose of this challenge problem is to decouple the earth and aircraft magnetic signals in order to derive a clean signal from which to perform magnetic navigation. Baseline testing on the dataset shows that the earth magnetic field can be extracted from the total magnetic field using machine learning (ML). The challenge is to remove the aircraft magnetic field from the total magnetic field using a trained neural network. These challenges offer an opportunity to construct an effective neural network for removing the aircraft magnetic field from the dataset, using an ML algorithm integrated with physics of magnetic navigation.
• Abstract（参考訳）: 地球の磁場を航法に利用することで、他の航法システムの代替手段として有望であることが示されている。 磁気ナビゲーションシステムは、磁力計を用いて自身の磁場データを収集し、磁気異常マップを用いて現在の位置を決定する。 磁気ナビゲーションの最大の課題は、ナビゲーションシステム上の磁力計からの磁場データが、地球だけでなく、搭載されている車両からの磁場も含む場合である。 センサからの全磁場のマグニチュードを読み取ると、航行に不可欠な地球磁気異常磁場のマグニチュードを分離することは困難である。 この課題の目的は、地球と航空機の磁気信号を分離して、磁気ナビゲーションを行うクリーンな信号を導出することである。 データセットのベースラインテストでは、機械学習(ML)を用いて全磁場から地球磁場を抽出できることが示されている。 課題は、訓練されたニューラルネットワークを使用して、全磁場から航空機の磁場を取り除くことである。 これらの課題は、磁気ナビゲーションの物理と統合されたMLアルゴリズムを使用して、データセットから航空機の磁場を取り除く効果的なニューラルネットワークを構築する機会を提供する。

関連論文リスト

• Long-distance Geomagnetic Navigation in GNSS-denied Environments with Deep Reinforcement Learning [62.186340267690824]
  既存の地磁気航法の研究は、事前保存された地図や広範囲な探索に依存しており、探索されていない地域での適用性や航法効率の低下に繋がる。 本稿では,特に長距離地磁気航法における深部強化学習(DRL)に基づくメカニズムについて述べる。 設計されたメカニズムは、プリストアドマップや広範囲で高価な探索アプローチではなく、地磁気ナビゲーションのための磁気受容能力を学ぶようにエージェントを訓練する。
  論文  参考訳（メタデータ） (2024-10-21T09:57:42Z)
• Generalized Gouy Rotation of Electron Vortex beams in uniform magnetic fields [54.010858975226945]
  磁場中における相対論的同軸方程式の正確な解を用いた磁場中のEVBのダイナミクスについて検討する。 一般化されたグーイ回転の下で異なる状態について統一的に記述し、グーイ位相をEVB回転角にリンクする。 この研究は、磁場中のEVBのダイナミクスに関する新たな洞察を与え、渦粒子のビーム操作とビーム光学の実践的応用を示唆している。
  論文  参考訳（メタデータ） (2024-07-03T03:29:56Z)
• Random forests for detecting weak signals and extracting physical information: a case study of magnetic navigation [0.0]
  貯水池計算と時間遅延フィードフォワードニューラルネットワークという2つの機械学習アーキテクチャは、GPSで測定された環境で地球の異常磁場を検出するために利用することができる。 我々は,複数の決定木の出力を組み合わせたランダム森林の機械学習モデルを利用して,物理量の最適値を与える。 ランダムフォレストアルゴリズムは, 弱い異常場の検出や航空機の位置のフィルタリングにおいて, 極めてよく機能することを示す。
  論文  参考訳（メタデータ） (2024-02-21T21:10:12Z)
• A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
  様々な動物が環境の手がかりを使って正確なナビゲーションをしている。 動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。 提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
  論文  参考訳（メタデータ） (2024-02-06T13:20:56Z)
• Physics-Informed Calibration of Aeromagnetic Compensation in Magnetic Navigation Systems using Liquid Time-Constant Networks [0.09514898210006967]
  磁気航法 (MagNav) はGPS(Global Positioning System)の代替であり、航空機の航法に有用であることが証明されている。 従来の航空航法システムでは、特定の環境での精度と信頼性、攻撃に対する制限に直面している。 我々は,MagNav位置推定のためのクリーンで信頼性が高く正確な磁気信号を抽出するための物理情報を用いた機械学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-17T22:46:51Z)
• Mapping the magnetic field using a magnetometer array with noisy input Gaussian process regression [1.0878040851637998]
  ガウス過程は、空間的に変化する磁場の大きさを学ぶために用いられる。 しかし、磁力計の位置は、ほとんど知られていない。 本稿では,磁界マップの品質向上のために,磁力計のアレイをどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2023-10-25T12:00:45Z)
• Imaging magnetism evolution of magnetite to megabar pressure range with quantum sensors in diamond anvil cell [57.91882523720623]
  我々は,高感度・サブスケール空間分解能を有するメガバール圧力のその場磁気検出技術を開発した。 強強強磁性体(アルファ-Fe3O4)から弱い強磁性体(ベータ-Fe3O4)、最後に非磁性体(ガンマ-Fe3O4)への大気圧域におけるFe3O4のマクロ磁気遷移を観察する。 提案手法は磁気系のスピン軌道結合と磁気-超伝導の競合について検討することができる。
  論文  参考訳（メタデータ） (2023-06-13T15:19:22Z)
• Magnetic Field Prediction Using Generative Adversarial Networks [0.0]
  生成逆数ネットワーク(GAN)構造を用いて,空間のランダムな点における磁場の値を予測する。 ディープラーニング(DL)アーキテクチャは、与えられた磁場の欠落した磁場値を予測するジェネレータと、実際の磁場分布と生成された磁場分布の間の統計的距離を計算するために訓練された批評家の2つのニューラルネットワークで構成される。 訓練されたジェネレータは、フィールドポイントの1つのコヒーレント領域が欠落している場合の5.14%、空間における数点測定しか得られていない場合の5.86%の中央値再構成テスト誤差で、フィールド値の欠落を予測できることを学習した。
  論文  参考訳（メタデータ） (2022-03-14T12:31:54Z)
• Surpassing the Energy Resolution Limit with ferromagnetic torque sensors [55.41644538483948]
  標準量子限界における熱力学ノイズと機械的検出ノイズを考慮した最適磁場分解能の評価を行った。 近年の文献で指摘されているエネルギー分解限界(ERL, Energy Resolution Limit)は, 桁違いに超えることがある。
  論文  参考訳（メタデータ） (2021-04-29T15:44:12Z)
• Reservoir Computing with Planar Nanomagnet Arrays [58.40902139823252]
  プラナーナノマグネット貯水池は、専用ニューロモルフィックハードウェアの需要が増大する中で、期待できる新しいソリューションである。 プラナーナノマグネット貯水池は、専用ニューロモルフィックハードウェアの需要が増大する中で、期待できる新しいソリューションである。
  論文  参考訳（メタデータ） (2020-03-24T16:25:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。