論文の概要: Machine Learning Methods for the Design and Operation of Liquid Rocket
Engines -- Research Activities at the DLR Institute of Space Propulsion
- arxiv url: http://arxiv.org/abs/2102.07109v1
- Date: Sun, 14 Feb 2021 09:09:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-16 17:21:02.895899
- Title: Machine Learning Methods for the Design and Operation of Liquid Rocket
Engines -- Research Activities at the DLR Institute of Space Propulsion
- Title（参考訳）: 液体ロケットエンジンの設計と運用のための機械学習手法 -- DLR宇宙推進研究所における研究活動
- Authors: G\"unther Waxenegger-Wilfing, Kai Dresia, Jan Deeken, Michael Oschwald
- Abstract要約: 本稿では、DLR宇宙推進研究所における現在の機械学習応用について述べる。
提示された方法の長所と短所、および現在および将来の研究方向について議論する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The last years have witnessed an enormous interest in the use of artificial
intelligence methods, especially machine learning algorithms. This also has a
major impact on aerospace engineering in general, and the design and operation
of liquid rocket engines in particular, and research in this area is growing
rapidly. The paper describes current machine learning applications at the DLR
Institute of Space Propulsion. Not only applications in the field of modeling
are presented, but also convincing results that prove the capabilities of
machine learning methods for control and condition monitoring are described in
detail. Furthermore, the advantages and disadvantages of the presented methods
as well as current and future research directions are discussed.
- Abstract（参考訳）: 過去数年間、人工知能、特に機械学習アルゴリズムの利用に大きな関心が寄せられている。
これは航空宇宙工学全般にも大きな影響を与え、特に液体ロケットエンジンの設計と運用にも影響し、この分野の研究は急速に成長しています。
本稿では、DLR宇宙推進研究所における現在の機械学習応用について述べる。
モデリング分野のアプリケーションだけでなく、制御および条件監視のための機械学習方法の能力を証明する説得力のある結果も詳細に説明されています。
さらに、提示された方法の長所と短所、および現在および将来の研究方向について議論する。
関連論文リスト
- Designing Explainable Predictive Machine Learning Artifacts: Methodology
and Practical Demonstration [0.0]
さまざまな業界の企業による意思決定者は、現代の機械学習アルゴリズムに基づくアプリケーションを採用することに、いまだに消極的だ。
我々はこの問題を、高度な機械学習アルゴリズムを「ブラックボックス」として広く支持されている見解に当てはめている。
本研究では,設計科学研究から方法論的知識を統一する手法を開発し,最先端の人工知能を用いた予測分析手法を提案する。
論文 参考訳（メタデータ） (2023-06-20T15:11:26Z) - Data-driven Science and Machine Learning Methods in Laser-Plasma Physics [4.893345190925178]
近年の技術的改善により、実験とシミュレーションの両方において、より多くのデータを集めることが可能になった。
これは、数学、統計学、計算機科学の高度な技術を使って、ビッグデータに対処し、利益を得るという関心を喚起した。
本稿では,レーザープラズマ物理への適用性に着目した機械学習手法の概要を述べる。
論文 参考訳（メタデータ） (2022-11-30T15:22:40Z) - Improving aircraft performance using machine learning: a review [57.82442188072833]
本稿では,航空宇宙工学の多分野に影響を及ぼす機械学習(ML)の新たな展開について概説する。
我々は、さまざまな航空宇宙分野にまたがるML手法の利点と課題を整理し、技術の現状を概観する。
論文 参考訳（メタデータ） (2022-10-20T07:16:53Z) - Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。
本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文 参考訳（メタデータ） (2022-09-05T16:48:34Z) - The Preliminary Results on Analysis of TAIGA-IACT Images Using
Convolutional Neural Networks [68.8204255655161]
本研究の目的は,AIGA-IACTに設定された課題を解決するための機械学習アプリケーションの可能性を検討することである。
The method of Convolutional Neural Networks (CNN) was applied to process and analysis Monte-Carlo eventssimulated with CORSIKA。
論文 参考訳（メタデータ） (2021-12-19T15:17:20Z) - From Machine Learning to Robotics: Challenges and Opportunities for
Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。
私たちは、インテリジェンスを具体化するための課題と機会を強調します。
本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文 参考訳（メタデータ） (2021-10-28T16:04:01Z) - Measuring and modeling the motor system with machine learning [117.44028458220427]
モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。
本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
論文 参考訳（メタデータ） (2021-03-22T12:42:16Z) - Autoencoding Features for Aviation Machine Learning Problems [0.0]
本研究では,航空学習問題に対する効果的な特徴を抽出するために,教師なし学習手法であるオートエンコーダについて検討した。
研究結果から,オートエンコーダは,フライトトラックデータに有効な特徴を自動的に抽出するだけでなく,効率的な深部清浄データを抽出し,データサイエンティストの作業量を削減できることが示唆された。
開発されたアプリケーションと技術は、現在および将来の機械学習研究の有効性を改善するために、航空コミュニティ全体と共有されている。
論文 参考訳（メタデータ） (2020-11-03T04:09:34Z) - Machine learning on Crays to optimise petrophysical workflows in oil and
gas exploration [0.0]
本稿では、Cray XC30上で教師付き機械学習を用いて、Rock Solid Images(RSI)と共同で作業を行う。
生のウェルログデータを用いて訓練された数学的モデルの使用について述べる。
これらのモデルからの予測は、人間の石油物理学者の解釈とどのように比較されるのかを考察する。
論文 参考訳（メタデータ） (2020-10-01T10:14:58Z) - Data-Driven Aerospace Engineering: Reframing the Industry with Machine
Learning [49.367020832638794]
航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。
最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
論文 参考訳（メタデータ） (2020-08-24T22:40:26Z)
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。