論文の概要: Machine Learning Methods for Management UAV Flocks -- a Survey

• arxiv url: http://arxiv.org/abs/2108.13448v1
• Date: Mon, 30 Aug 2021 18:03:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-01 14:18:45.427753
• Title: Machine Learning Methods for Management UAV Flocks -- a Survey
• Title（参考訳）: UAVフラッシュ管理のための機械学習手法--サーベイ
• Authors: Rina Azoulay and Yoram Haddad and Shulamit Reches
• Abstract要約: UAV技術は、コミュニケーション、農業、安全保障、輸送など、幅広い領域で利用することができる。 UAVを特定のドメインのクラスタ/フラッシュにグループ化することは有用であり、UAVの使用に関するさまざまな課題はクラスタリングによって軽減される。 UAVのフロック管理では、機械学習(ML)手法を用いていくつかの計算問題が発生する。
• 参考スコア（独自算出の注目度）: 3.190574537106449
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The development of unmanned aerial vehicles (UAVs) has been gaining momentum in recent years owing to technological advances and a significant reduction in their cost. UAV technology can be used in a wide range of domains, including communication, agriculture, security, and transportation. It may be useful to group the UAVs into clusters/flocks in certain domains, and various challenges associated with UAV usage can be alleviated by clustering. Several computational challenges arise in UAV flock management, which can be solved by using machine learning (ML) methods. In this survey, we describe the basic terms relating to UAVS and modern ML methods, and we provide an overview of related tutorials and surveys. We subsequently consider the different challenges that appear in UAV flocks. For each issue, we survey several machine learning-based methods that have been suggested in the literature to handle the associated challenges. Thereafter, we describe various open issues in which ML can be applied to solve the different challenges of flocks, and we suggest means of using ML methods for this purpose. This comprehensive review may be useful for both researchers and developers in providing a wide view of various aspects of state-of-the-art ML technologies that are applicable to flock management.
• Abstract（参考訳）: 無人航空機(UAV)の開発は、技術進歩とコストの大幅な削減により近年勢いを増している。 UAV技術は、コミュニケーション、農業、安全保障、輸送など、幅広い領域で利用することができる。 UAVを特定のドメインのクラスタ/フラッシュにグループ化することは有用であり、UAVの使用に関するさまざまな課題はクラスタリングによって軽減される。 UAVのフロック管理にはいくつかの計算課題があり、機械学習(ML)手法を用いて解決できる。 本稿では,UAVSおよび最新のML手法に関する基本用語について述べるとともに,関連するチュートリアルと調査の概要を紹介する。 その後、UAV群に現れる様々な課題について考察する。 それぞれの課題について,関連する課題に対処するために文献で提案されているいくつかの機械学習に基づく手法を調査した。 その後、フロックの異なる課題を解決するためにMLを適用できる様々なオープンな課題について述べ、この目的のためにML手法を用いることを提案する。 この包括的なレビューは、研究者と開発者の両方にとって、flock管理に適用可能な最先端のML技術のさまざまな側面を幅広く見るのに役立つかもしれない。

関連論文リスト

• Tiny Multi-Agent DRL for Twins Migration in UAV Metaverses: A Multi-Leader Multi-Follower Stackelberg Game Approach [57.15309977293297]
  無人航空機(UAV)とメタバースの相乗効果は、UAVメタバースと呼ばれる新しいパラダイムを生み出している。 本稿では,UAVメタバースにおける効率的なUTマイグレーションのためのプルーニング技術に基づく,機械学習に基づく小さなゲームフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-18T02:14:13Z)
• MinT: Boosting Generalization in Mathematical Reasoning via Multi-View Fine-Tuning [53.90744622542961]
  数学領域における推論は、小言語モデル(LM)にとって重要な課題である。 多様なアノテーションスタイルで既存の数学的問題データセットを利用する新しい手法を提案する。 実験結果から,LLaMA-7Bモデルが先行手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-16T05:41:53Z)
• Distributed Machine Learning for UAV Swarms: Computing, Sensing, and Semantics [31.921859542234998]
  分散学習(DL)により、UAVの群れは、通信サービス、多方向リモート監視、ターゲット追跡をインテリジェントに提供できる。 まず、フェデレートラーニング(FL)、マルチエージェント強化ラーニング(MARL)、分散推論、分割ラーニングなどの一般的なDLアルゴリズムを紹介する。 次に,無線通信システムにおけるUAVスワムの最先端の応用として,再構成可能なインテリジェントサーフェス(RIS),仮想現実(VR),セマンティックコミュニケーションなどを紹介し,DL対応のUAVスワムがこれらのアプリケーションで解決できる問題と課題について議論する。
  論文  参考訳（メタデータ） (2023-01-03T01:05:18Z)
• Machine Learning-Aided Operations and Communications of Unmanned Aerial Vehicles: A Contemporary Survey [43.573379573511765]
  UAVとMLの技術の融合が進行中であることは、前例のない知性と自律性を備えたUAVの大幅な相乗効果と強化を生み出している。 本調査は,UAV運用および通信に使用されるML技術の概要をタイムリーかつ包括的に示すことを目的としている。
  論文  参考訳（メタデータ） (2022-11-07T15:34:36Z)
• Practical Machine Learning Safety: A Survey and Primer [81.73857913779534]
  自動運転車のような安全クリティカルなアプリケーションにおける機械学習アルゴリズムのオープンワールド展開は、さまざまなML脆弱性に対処する必要がある。 一般化エラーを低減し、ドメイン適応を実現し、外乱例や敵攻撃を検出するための新しいモデルと訓練技術。 我々の組織は、MLアルゴリズムの信頼性を異なる側面から向上するために、最先端のML技術を安全戦略にマッピングする。
  論文  参考訳（メタデータ） (2021-06-09T05:56:42Z)
• Machine Learning for Security in Vehicular Networks: A Comprehensive Survey [4.010371060637208]
  本稿では,車載ネットワークにおけるさまざまなセキュリティ問題に対するMLベースの手法に関する包括的調査を行う。 本稿では、車両ネットワークにおけるセキュリティ攻撃の分類を提案し、様々なセキュリティ課題と要件について議論する。 さまざまなセキュリティ課題に対処する上で、これらのMLテクニックのソリューションアプローチと動作原則を説明します。
  論文  参考訳（メタデータ） (2021-05-31T15:15:03Z)
• Inspect, Understand, Overcome: A Survey of Practical Methods for AI Safety [54.478842696269304]
  安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。 近年,これらの安全対策を目的とした最先端技術動物園が出現している。 本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
  論文  参考訳（メタデータ） (2021-04-29T09:54:54Z)
• Serverless Federated Learning for UAV Networks: Architecture, Challenges, and Opportunities [27.366598254560994]
  無人航空機(UAV)は、民間および軍事分野の次世代無線ネットワークにおける広範なアプリケーションをサポートすることを想定しています。 本稿では,中央エンティティを持たないUAVネットワーク内でFLを実現する,SELF-UNという新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-04-15T16:11:13Z)
• Understanding the Usability Challenges of Machine Learning In High-Stakes Decision Making [67.72855777115772]
  機械学習(ML)は、多種多様な成長を続ける一連のドメインに適用されている。 多くの場合、MLやデータサイエンスの専門知識を持たないドメインの専門家は、ML予測を使用してハイステークな意思決定を行うように求められます。 児童福祉スクリーニングにおけるMLユーザビリティの課題について,児童福祉スクリーニング者との一連のコラボレーションを通じて検討する。
  論文  参考訳（メタデータ） (2021-03-02T22:50:45Z)
• A Comprehensive Survey of Machine Learning Based Localization with Wireless Signals [42.89359907212791]
  本稿では,RF信号を用いた機械学習に基づくローカライズソリューションの包括的調査を行う。 本論文の主なポイントは、ローカリゼーションシステムの物理から生じるドメイン知識と、さまざまなMLアプローチとの相互作用である。 詳細な議論は、ローカリゼーションの問題に適用されたさまざまなMLメソッドに捧げられています。
  論文  参考訳（メタデータ） (2020-12-21T08:10:46Z)
• Wireless for Machine Learning [91.13476340719087]
  我々は、分散データセット上で機械学習サービスをサポートするように設計された最先端のワイヤレス手法について、徹底的にレビューする。 文献にはアナログ・オーバー・ザ・エア計算とMLに最適化されたデジタル無線リソース管理という2つの明確なテーマがある。 このサーベイは、これらのメソッドを包括的に紹介し、最も重要な研究をレビューし、オープンな問題を強調し、アプリケーションのシナリオについて議論する。
  論文  参考訳（メタデータ） (2020-08-31T11:09:49Z)

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。