論文の概要: Multi-label Classification of Aircraft Heading Changes Using Neural
Network to Resolve Conflicts
- arxiv url: http://arxiv.org/abs/2109.04767v1
- Date: Fri, 10 Sep 2021 10:26:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-13 13:23:35.120774
- Title: Multi-label Classification of Aircraft Heading Changes Using Neural
Network to Resolve Conflicts
- Title（参考訳）: コンフリクト解消のためのニューラルネットワークを用いた航空機進路変化のマルチラベル分類
- Authors: Md Siddiqur Rahman, Laurent Lapasset and Josiane Mothe
- Abstract要約: 航空機の衝突は、2機以上の航空機が一定距離を同時に横切るときに起こる。
コンフリクトを解決するために、コントローラは様々な種類の情報を検討する必要がある。
そこで本稿では,競合に対して複数のアドバイザリを提供するマルチラベル分類モデルを提案する。
- 参考スコア（独自算出の注目度）: 3.448398742125152
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An aircraft conflict occurs when two or more aircraft cross at a certain
distance at the same time. Specific air traffic controllers are assigned to
solve such conflicts. A controller needs to consider various types of
information in order to solve a conflict. The most common and preliminary
information is the coordinate position of the involved aircraft. Additionally,
a controller has to take into account more information such as flight planning,
weather, restricted territory, etc. The most important challenges a controller
has to face are: to think about the issues involved and make a decision in a
very short time. Due to the increased number of aircraft, it is crucial to
reduce the workload of the controllers and help them make quick decisions. A
conflict can be solved in many ways, therefore, we consider this problem as a
multi-label classification problem. In doing so, we are proposing a multi-label
classification model which provides multiple heading advisories for a given
conflict. This model we named CRMLnet is based on a novel application of a
multi-layer neural network and helps the controllers in their decisions. When
compared to other machine learning models, our CRMLnet has achieved the best
results with an accuracy of 98.72% and ROC of 0.999. The simulated data set
that we have developed and used in our experiments will be delivered to the
research community.
- Abstract（参考訳）: 航空機の衝突は、2機以上の航空機が一定距離を同時に横切るときに起こる。
このような紛争を解決するために、特定の航空管制官が割り当てられる。
コントローラはコンフリクトを解決するために様々な種類の情報を考慮する必要がある。
最も一般的で予備的な情報は、関連する航空機の座標位置である。
さらに、操縦士は、飛行計画、天候、制限領域など、より多くの情報を考慮する必要がある。
コントローラが直面する最も重要な課題は、関係する問題を考え、短時間で意思決定することです。
航空機の数が増えたため、制御装置の作業量を減らし、迅速な意思決定を支援することが不可欠である。
コンフリクトは様々な方法で解決できるため、この問題をマルチラベル分類問題と考える。
そこで我々は、与えられた紛争に対して複数の指導的助言を提供するマルチラベル分類モデルを提案する。
CRMLnetという名前のこのモデルは、多層ニューラルネットワークの新たな応用に基づいており、コントローラの意思決定を支援する。
他の機械学習モデルと比較すると、CRMLnetは98.72%、ROC0.999の精度で最高の結果を得た。
私たちが実験で開発したシミュレーションデータセットは、研究コミュニティに提供されます。
関連論文リスト
- Communication-Control Codesign for Large-Scale Wireless Networked Control Systems [80.30532872347668]
無線ネットワーク制御システム(Wireless Networked Control Systems, WNCS)は、ドローン群や自律ロボットなどのアプリケーションにおいて柔軟な制御を可能にする産業用4.0に必須である。
本稿では,マルチ状態マルコフブロックフェーディングチャネル上で限られた無線リソースを共有するセンサやアクチュエータを用いて,複数の制御ループ間の相関ダイナミクスを捕捉する実用的WNCSモデルを提案する。
本研究では,ハイブリッドな動作空間を効率的に処理し,通信制御の相関関係を捉え,疎域変数や浮動小数点制御の入力に拘わらず堅牢なトレーニングを確実にするDeep Reinforcement Learning (DRL)アルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-10-15T06:28:21Z) - ECon: On the Detection and Resolution of Evidence Conflicts [56.89209046429291]
大規模言語モデル(LLM)の台頭は意思決定システムにおける情報の質に大きな影響を与えている。
本研究では,実世界の誤情報シナリオをシミュレートするために,多様で検証された証拠衝突を生成する手法を提案する。
論文 参考訳（メタデータ） (2024-10-05T07:41:17Z) - Convergence of Communications, Control, and Machine Learning for Secure
and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。
本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文 参考訳（メタデータ） (2023-07-05T21:38:36Z) - Towards Cooperative Flight Control Using Visual-Attention [61.99121057062421]
本稿では,パイロットと制御システム間の並列自律性を実現するための,視覚に基づくエアガードシステムを提案する。
我々の注意に基づく航空防衛システムは、飛行への関与レベルとパイロットの専門知識と注意のトレードオフをバランスさせることができる。
論文 参考訳（メタデータ） (2022-12-21T15:31:47Z) - Task-Oriented Over-the-Air Computation for Multi-Device Edge AI [57.50247872182593]
エッジAIをサポートするための6Gネットワークは、AIタスクの効率的かつ効率的な実行に焦点を当てたタスク指向のテクニックを備えている。
本稿では,マルチデバイススプリット推論システムにおけるタスク指向オーバー・ザ・エア計算(AirComp)方式を提案する。
論文 参考訳（メタデータ） (2022-11-02T16:35:14Z) - Switchable Representation Learning Framework with Self-compatibility [50.48336074436792]
自己整合性(SFSC)を考慮した交換可能な表現学習フレームワークを提案する。
SFSCは1つのトレーニングプロセスを通じて、異なる能力を持つ一連の互換性のあるサブモデルを生成する。
SFSCは評価データセット上で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-06-16T16:46:32Z) - Multi-UAV Conflict Resolution with Graph Convolutional Reinforcement
Learning [0.0]
無人航空機(UAV)間の飛行安全性は、ペア分離ミニマによって確保される。
交通密度の上昇が予想されるため、2つ以上のUAVが遭遇する可能性がある。
我々は、マルチエージェント強化学習問題として、マルチUAVコンフリクト解決をモデル化する。
論文 参考訳（メタデータ） (2021-11-29T15:29:32Z) - Learning to Resolve Conflicts for Multi-Agent Path Finding with
Conflict-Based Search [35.71926950656326]
Conflict-Based Search (CBS) はパス探索のための最先端のアルゴリズムである。
我々は,oracle の意思決定を観察するコンフリクト選択のための機械学習フレームワークを提案する。
提案手法は,現在のcbsソルバよりも,成功率,検索ツリーサイズ,ランタイムを大幅に向上させる。
論文 参考訳（メタデータ） (2020-12-10T22:44:35Z) - A Framework for Automatic Behavior Generation in Multi-Function Swarms [1.290382979353427]
マルチファンクションスワムにおける自動行動生成のためのフレームワークを提案する。
フレームワークは3つの同時タスクでシナリオ上でテストされる。
MAP-elitesの挙動特性に及ぼすノイズの影響について検討した。
論文 参考訳（メタデータ） (2020-07-11T20:50:52Z) - Neural-Swarm: Decentralized Close-Proximity Multirotor Control Using
Learned Interactions [37.21942432077266]
マルチロータ群を近接飛行する非線形分散安定制御系であるNeural-Sを提案する。
提案手法は,高次多車間相互作用を正確に学習する正規化置換不変ディープニューラルネットワーク(DNN)と,名目力学モデルを組み合わせたものである。
実験結果から,提案した制御器は,最大4倍の最悪ケース高追尾誤差を有するベースライン非線形追尾制御器よりも大幅に優れていた。
論文 参考訳（メタデータ） (2020-03-06T01:39:19Z) - Tackling Air Traffic Conflicts as a Weighted CSP : Experiments with the
Lumberjack Method [0.0]
本稿では,航空機の多数の軌道を発生させる航空交通紛争解決手法の拡張について述べる。
本稿では,異なる競合解決アルゴリズム,特に元来の"スマートブルートフォース"法とよく知られたToulBar2 CSPツールセットをカプセル化したマルチマヌーバーバージョンを提案する。
論文 参考訳（メタデータ） (2020-01-30T15:22:45Z)
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。