論文の概要: Fast solver for J2-perturbed Lambert problem using deep neural network
- arxiv url: http://arxiv.org/abs/2201.02942v1
- Date: Sun, 9 Jan 2022 06:56:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-12 03:40:51.203536
- Title: Fast solver for J2-perturbed Lambert problem using deep neural network
- Title（参考訳）: ディープニューラルネットワークを用いたJ2摂動ランバート問題の高速解法
- Authors: Bin Yang, Shuang Li, Jinglang Feng and Massimiliano Vasile
- Abstract要約: ソルバは、インテリジェントな初期推定生成器と差分補正手順を組み合わせた構成である。
ディープニューラルネットワークは、未摂動ランバート問題の解から来る初期速度ベクトルを補正するために訓練される。
- 参考スコア（独自算出の注目度）: 10.832481128305625
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a novel and fast solver for the J2-perturbed Lambert
problem. The solver consists of an intelligent initial guess generator combined
with a differential correction procedure. The intelligent initial guess
generator is a deep neural network that is trained to correct the initial
velocity vector coming from the solution of the unperturbed Lambert problem.
The differential correction module takes the initial guess and uses a forward
shooting procedure to further update the initial velocity and exactly meet the
terminal conditions. Eight sample forms are analyzed and compared to find the
optimum form to train the neural network on the J2-perturbed Lambert problem.
The accuracy and performance of this novel approach will be demonstrated on a
representative test case: the solution of a multi-revolution J2-perturbed
Lambert problem in the Jupiter system. We will compare the performance of the
proposed approach against a classical standard shooting method and a
homotopy-based perturbed Lambert algorithm. It will be shown that, for a
comparable level of accuracy, the proposed method is significantly faster than
the other two.
- Abstract（参考訳）: 本稿では j2-摂動ランベルト問題に対する新しい高速解法を提案する。
解法は、差分補正手順と組み合わされたインテリジェントな初期推定生成器からなる。
インテリジェントな初期推定生成器は、未摂動ランバート問題の解から来る初期速度ベクトルを補正するために訓練されたディープニューラルネットワークである。
差動補正モジュールは、初期推測を受け取り、前方射撃手順を使用して、初期速度をさらに更新し、終端条件を正確に満たす。
8つのサンプル形式を解析し、J2摂動ランバート問題でニューラルネットワークをトレーニングする最適な形式を求める。
この新手法の精度と性能は、ジュピター系における多変量J2摂動ランベルト問題の解法である代表的なテストケースで実証される。
提案手法を,古典的標準撮影法とホモトピーに基づく摂動ランベルトアルゴリズムと比較する。
同等の精度で、提案手法は、他の2つよりも大幅に高速であることが示される。
関連論文リスト
- Neur2BiLO: Neural Bilevel Optimization [15.876446950057389]
双方向最適化は、リーダーが目的の機能を最小化する最初の決定を下すネストした問題を扱う。
Neur2BiLOは、リーダーまたはフォロワーの値関数のニューラルネットワーク近似を、教師付き回帰を通じてトレーニングし、簡単に解ける混合整数プログラムに組み込む。
論文 参考訳（メタデータ） (2024-02-04T15:54:37Z) - Local to Global: A Distributed Quantum Approximate Optimization
Algorithm for Pseudo-Boolean Optimization Problems [7.723735038335632]
量子近似最適化アルゴリズム(QAOA)は、量子超越性を実証するための有望な候補と考えられている。
量子ビットの可用性が制限され、コヒーレンス時間制限がQAOAに挑戦し、大規模な擬ブール問題を解く。
本稿では,これを単純化したIsingモデルに変換することで,一般の擬似ブール問題を解く分散QAOAを提案する。
論文 参考訳（メタデータ） (2023-10-08T08:07:11Z) - Light Schrödinger Bridge [72.88707358656869]
我々は,軽量でシミュレーション不要で理論的に正当化されたSchr"odinger Bridgesソルバを開発した。
我々の光解法は密度推定に広く用いられているガウス混合モデルに類似している。
この類似性に着想を得て、光解法がSBの普遍近似であることを示す重要な理論的結果も証明した。
論文 参考訳（メタデータ） (2023-10-02T13:06:45Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - The Curse of Unrolling: Rate of Differentiating Through Optimization [35.327233435055305]
未分化は反復解法を用いて解を近似し、計算経路を通して解を微分する。
我々は,(1)高速収束につながる大きな学習率を選択することができるが,アルゴリズムが任意に長いバーンインフェーズを持つことを受け入れるか,あるいは(2)即時収束につながるより少ない学習率を選択するかのどちらかを示す。
論文 参考訳（メタデータ） (2022-09-27T09:27:29Z) - AI-enhanced iterative solvers for accelerating the solution of large
scale parametrized linear systems of equations [0.0]
本稿では、最新のMLツールを活用し、線形方程式系の反復解法をカスタマイズする。
その結果,従来の反復解法よりも優れていることが示された。
論文 参考訳（メタデータ） (2022-07-06T09:47:14Z) - Improved Convergence Rate of Stochastic Gradient Langevin Dynamics with
Variance Reduction and its Application to Optimization [50.83356836818667]
勾配ランゲヴィン・ダイナミクスは非エプス最適化問題を解くための最も基本的なアルゴリズムの1つである。
本稿では、このタイプの2つの変種、すなわち、分散還元ランジュバンダイナミクスと再帰勾配ランジュバンダイナミクスを示す。
論文 参考訳（メタデータ） (2022-03-30T11:39:00Z) - Learning Primal Heuristics for Mixed Integer Programs [5.766851255770718]
本研究は,機械学習を用いて効果的な霊長類を自動学習できるかどうかを考察する。
本稿では,最適化問題をグラフとして表現するための新しい手法を提案する。
可変解の予測はB&B法の新たな構成であるProbabilistic Branching with guided Depth-first Searchによって行われる。
論文 参考訳（メタデータ） (2021-07-02T06:46:23Z) - Meta-Solver for Neural Ordinary Differential Equations [77.8918415523446]
本研究では,ソルバ空間の変動がニューラルODEの性能を向上する方法について検討する。
解法パラメータ化の正しい選択は, 敵の攻撃に対するロバスト性の観点から, 神経odesモデルに大きな影響を与える可能性がある。
論文 参考訳（メタデータ） (2021-03-15T17:26:34Z) - A Momentum-Assisted Single-Timescale Stochastic Approximation Algorithm
for Bilevel Optimization [112.59170319105971]
問題に対処するための新しいアルゴリズム - Momentum- Single-timescale Approximation (MSTSA) を提案する。
MSTSAでは、低いレベルのサブプロブレムに対する不正確な解決策のため、反復でエラーを制御することができます。
論文 参考訳（メタデータ） (2021-02-15T07:10:33Z) - Optimal Randomized First-Order Methods for Least-Squares Problems [56.05635751529922]
このアルゴリズムのクラスは、最小二乗問題に対する最も高速な解法のうち、いくつかのランダム化手法を含んでいる。
我々は2つの古典的埋め込み、すなわちガウス射影とアダマール変換のサブサンプリングに焦点を当てる。
得られたアルゴリズムは条件数に依存しない最小二乗問題の解法として最も複雑である。
論文 参考訳（メタデータ） (2020-02-21T17:45:32Z)
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。