論文の概要: GalaxAI: Machine learning toolbox for interpretable analysis of spacecraft telemetry data

• arxiv url: http://arxiv.org/abs/2108.01407v1
• Date: Tue, 3 Aug 2021 10:45:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-04 13:57:07.184171
• Title: GalaxAI: Machine learning toolbox for interpretable analysis of spacecraft telemetry data
• Title（参考訳）: GalaxAI:宇宙船テレメトリデータの解釈解析のための機械学習ツールボックス
• Authors: Ana Kostovska, Matej Petkovic\'c, Toma\v{z} Stepi\v{s}nik, Luke Lucas, Timothy Finn, Jos\'e Mart\'inez-Heras, Pan\v{c}e Panov, Sa\v{s}o D\v{z}eroski, Alessandro Donati, Nikola Simidjievski, Dragi Kocev
• Abstract要約: GalaxAIは、宇宙船のテレメトリデータを分析するための汎用的な機械学習ツールボックスである。 多変量時系列解析、分類、回帰、構造化出力予測に様々な機械学習アルゴリズムを使用している。 本稿では,2つの異なる宇宙船に関する2つのユースケースにおいて,GalaxAIの有用性と汎用性を示す。
• 参考スコア（独自算出の注目度）: 48.42042893355919
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present GalaxAI - a versatile machine learning toolbox for efficient and interpretable end-to-end analysis of spacecraft telemetry data. GalaxAI employs various machine learning algorithms for multivariate time series analyses, classification, regression and structured output prediction, capable of handling high-throughput heterogeneous data. These methods allow for the construction of robust and accurate predictive models, that are in turn applied to different tasks of spacecraft monitoring and operations planning. More importantly, besides the accurate building of models, GalaxAI implements a visualisation layer, providing mission specialists and operators with a full, detailed and interpretable view of the data analysis process. We show the utility and versatility of GalaxAI on two use-cases concerning two different spacecraft: i) analysis and planning of Mars Express thermal power consumption and ii) predicting of INTEGRAL's crossings through Van Allen belts.
• Abstract（参考訳）: 宇宙船テレメトリデータの効率的かつ解釈可能なエンドツーエンド分析のための汎用機械学習ツールボックスであるGalaxAIを提案する。 GalaxAIは、多変量時系列解析、分類、回帰、構造化された出力予測に様々な機械学習アルゴリズムを使用し、高スループットの異種データを扱うことができる。 これらの手法は、堅牢で正確な予測モデルの構築を可能にし、宇宙船の監視と運用計画の異なるタスクに適用される。 さらに重要なのは、モデルの正確な構築に加えて、GalaxAIは可視化レイヤを実装し、ミッションスペシャリストやオペレータに、データ分析プロセスの完全な詳細かつ解釈可能なビューを提供する。 2つの異なる宇宙船に関する2つのユースケースにおけるガラクシーの有用性と汎用性を示す: i)マーズが熱エネルギーを消費する解析と計画、ii)ヴァン・アレンベルトを通る積分の交差を予測する。

関連論文リスト

• Computing low-thrust transfers in the asteroid belt, a comparison between astrodynamical manipulations and a machine learning approach [4.868863044142366]
  低推力軌道は、小惑星帯のミッションにおける科学的出力とコスト効率の最適化に重要な役割を果たしている。 本稿では,新しい解析近似を提案し,その精度と性能を機械学習手法と比較する。 我々は、時間と最適な制御問題を解くことによって発見された約300万の転送のデータセットを構築します。
  論文  参考訳（メタデータ） (2024-05-29T09:20:54Z)
• Better, Not Just More: Data-Centric Machine Learning for Earth Observation [16.729827218159038]
  モデル中心の視点から補完的なデータ中心の視点へのシフトは、より正確性、一般化能力、そしてエンドユーザーアプリケーションへの影響を高めるために必要である。 本研究は、地理空間データに対する自動データ中心学習手法の正確な分類と概要と、その定義を提示する。
  論文  参考訳（メタデータ） (2023-12-08T19:24:05Z)
• Closing the loop: Autonomous experiments enabled by machine-learning-based online data analysis in synchrotron beamline environments [80.49514665620008]
  機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。 本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。 本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
  論文  参考訳（メタデータ） (2023-06-20T21:21:19Z)
• Symbolic Knowledge Extraction from Opaque Predictors Applied to Cosmic-Ray Data Gathered with LISA Pathfinder [0.0]
  不透明な機械学習モデルの印象的な予測性能と人間の理解不能な予測説明を組み合わせるために、いくつかのテクニックが存在する。 本稿では,LISAパスファインダー宇宙ミッションで収集した宇宙線データを再生可能なアンサンブル予測器に適用した異なる知識抽出器の結果を報告する。
  論文  参考訳（メタデータ） (2022-09-10T15:35:40Z)
• Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
  本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。 本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
  論文  参考訳（メタデータ） (2022-04-24T15:23:25Z)
• MetaGraspNet: A Large-Scale Benchmark Dataset for Vision-driven Robotic Grasping via Physics-based Metaverse Synthesis [78.26022688167133]
  本稿では,物理に基づくメタバース合成による視覚駆動型ロボットグルーピングのための大規模ベンチマークデータセットを提案する。 提案するデータセットには,10万の画像と25種類のオブジェクトが含まれている。 また,オブジェクト検出とセグメンテーション性能を評価するためのデータセットとともに,新しいレイアウト重み付け性能指標を提案する。
  論文  参考訳（メタデータ） (2021-12-29T17:23:24Z)
• Automated identification of transiting exoplanet candidates in NASA Transiting Exoplanets Survey Satellite (TESS) data with machine learning methods [1.9491825010518622]
  AI/ML ThetaRayシステムは当初ケプラー太陽系外惑星のデータで訓練され、確認された太陽系外惑星で検証される。 TESSミッションで発生したしきい値交差イベント(TCE)の10,803光曲線へのThetaRayの適用により、39の新たな惑星候補が発見された。
  論文  参考訳（メタデータ） (2021-02-20T12:28:39Z)
• A Survey on Large-scale Machine Learning [67.6997613600942]
  機械学習はデータに対する深い洞察を与え、マシンが高品質な予測を行うことを可能にする。 ほとんどの高度な機械学習アプローチは、大規模なデータを扱う場合の膨大な時間コストに悩まされる。 大規模機械学習は、ビッグデータからパターンを、同等のパフォーマンスで効率的に学習することを目的としている。
  論文  参考訳（メタデータ） (2020-08-10T06:07:52Z)
• Graph signal processing for machine learning: A review and new perspectives [57.285378618394624]
  本稿では,GSPの概念とツール,例えばグラフフィルタや変換による新しい機械学習アルゴリズム開発への重要な貢献について概説する。 本稿では,データ構造とリレーショナル事前の活用,データと計算効率の向上,モデル解釈可能性の向上について論じる。 我々は,応用数学と信号処理の橋渡しとなるGSP技術と,他方の機械学習とネットワーク科学の橋渡しとなる新たな視点を提供する。
  論文  参考訳（メタデータ） (2020-07-31T13:21:33Z)

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。