Fugu-MT 論文翻訳(概要): Parameter Identification of a PN-Guided Incoming Missile Using an Improved Multiple-Model Mechanism

論文の概要: Parameter Identification of a PN-Guided Incoming Missile Using an Improved Multiple-Model Mechanism

arxiv url: http://arxiv.org/abs/2202.09361v1
Date: Tue, 25 Jan 2022 08:31:08 GMT
ステータス: 処理完了
システム内更新日: 2022-02-27 17:34:34.390172
Title: Parameter Identification of a PN-Guided Incoming Missile Using an Improved Multiple-Model Mechanism
Title（参考訳）: 改良マルチモデル機構を用いたpn誘導入射ミサイルのパラメータ同定
Authors: Yinhan Wang, Jiang Wang, and Shipeng Fan
Abstract要約: 入ってくるミサイルに対するアクティブな防御には、誘導法パラメータと一階横方向の時間定数を含むその情報が必要である。本稿では, 繰り返しゲートユニット(GRU)ニューラルネットワークに基づくパラメータ同定モデルを構築した。数値シミュレーションにより,IMMMの有効性と確立されたモデルの性能を実証した。
参考スコア（独自算出の注目度）: 2.6358291265824376
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: An active defense against an incoming missile requires information of it, including a guidance law parameter and a first-order lateral time constant. To this end, assuming that a missile with a proportional navigation (PN) guidance law attempts to attack an aerial target with bang-bang evasive maneuvers, a parameter identification model based on the gated recurrent unit (GRU) neural network is built in this paper. The analytic identification solutions for the guidance law parameter and the first-order lateral time constant are derived. The inputs of the identification model are available kinematic information between the aircraft and the missile, while the outputs contain the regression results of missile parameters. To increase the training speed and the identification accuracy of the Model, an output processing method called improved multiplemodel mechanism (IMMM) is proposed in this paper. The effectiveness of IMMM and the performance of the established model are demonstrated through numerical simulations under various engagement scenarios.
Abstract（参考訳）: 入射ミサイルに対するアクティブな防御には、誘導法パラメータと一階横時間定数を含む情報が必要である。この目的のために、比例航法(PN)誘導法を持つミサイルがバンバン回避操作で空中目標を攻撃しようとすることを前提として、ゲートリカレントユニット(GRU)ニューラルネットワークに基づくパラメータ同定モデルを構築した。誘導則パラメータと一階横時間定数の解析的同定解を導出する。識別モデルの入力は航空機とミサイルの間で利用可能な運動情報であり、出力はミサイルパラメータの回帰結果を含んでいる。本稿では,モデルのトレーニング速度と識別精度を向上させるために,改良型マルチモデル機構(IMMM)と呼ばれる出力処理手法を提案する。各種エンゲージメントシナリオ下での数値シミュレーションにより,IMMMの有効性と確立されたモデルの性能を示す。

関連論文リスト

Mitigating Parameter Degeneracy using Joint Conditional Diffusion Model for WECC Composite Load Model in Power Systems [2.7212274374272543]
連立条件拡散モデルに基づく逆問題解法(JCDI)を開発した。 JCDIは、パラメータの一般化性を改善するために、マルチイベント観測を同時に入力するジョイントコンディショニングアーキテクチャを組み込んでいる。 WECC CLMのシミュレーション研究により、提案したJCDIは縮退パラメータの不確かさを効果的に低減することを示した。
論文参考訳（メタデータ） (2024-11-15T18:53:08Z)
SaRA: High-Efficient Diffusion Model Fine-tuning with Progressive Sparse Low-Rank Adaptation [52.6922833948127]
本研究では,事前学習した拡散モデルにおけるパラメータの重要性について検討する。本稿では,これらの非効率パラメータをフル活用するための新しいモデル微調整法を提案する。本手法は,下流アプリケーションにおける事前学習モデルの生成能力を向上する。
論文参考訳（メタデータ） (2024-09-10T16:44:47Z)
Sequence-to-Sequence Model with Transformer-based Attention Mechanism and Temporal Pooling for Non-Intrusive Load Monitoring [0.0]
本研究の目的は, 深層学習を用いた非侵入負荷モニタリング(NILM)の精度向上である。提案手法は,変圧器に基づくアテンション機構を備えたSeq2Seqモデルを用いて,NILMデータの長期依存関係をキャプチャする。
論文参考訳（メタデータ） (2023-06-08T08:04:56Z)
Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [52.25258289718559]
本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な確率モデルを提案する。任意の航空機数を含む交通量を生成するために,ペアワイズモデルを用いる方法を示す。
論文参考訳（メタデータ） (2023-03-17T13:58:06Z)
Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
論文参考訳（メタデータ） (2022-12-07T10:01:11Z)
Reduced order modeling of parametrized systems through autoencoders and SINDy approach: continuation of periodic solutions [0.0]
本研究は,ROM構築と動的識別の低減を組み合わせたデータ駆動型非侵入型フレームワークを提案する。提案手法は、非線形力学(SINDy)のパラメトリックスパース同定によるオートエンコーダニューラルネットワークを利用して、低次元力学モデルを構築する。これらは、システムパラメータの関数として周期的定常応答の進化を追跡し、過渡位相の計算を避け、不安定性と分岐を検出することを目的としている。
論文参考訳（メタデータ） (2022-11-13T01:57:18Z)
IDM-Follower: A Model-Informed Deep Learning Method for Long-Sequence Car-Following Trajectory Prediction [24.94160059351764]
ほとんどの自動車追従モデルは生成的であり、最後のステップの速度、位置、加速度の入力のみを考慮する。 2つの独立したエンコーダと、次の軌道を逐次予測できる自己アテンションデコーダを備えた新しい構造を実装した。シミュレーションとNGSIMデータセットの複数の設定による数値実験により、IMM-Followerは予測性能を向上させることができることが示された。
論文参考訳（メタデータ） (2022-10-20T02:24:27Z)
DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文参考訳（メタデータ） (2021-09-08T14:07:55Z)
Online Metro Origin-Destination Prediction via Heterogeneous Information Aggregation [99.54200992904721]
我々は、ODとDOの進化パターンを共同で学習するために、HIAM(Heterogeneous Information Aggregation Machine)と呼ばれるニューラルネットワークモジュールを提案する。 ODモデリングブランチは、未完成な順序の潜在的な目的地を明示的に推定し、不完全OD行列の情報を補完する。 DOモデリングブランチは、DO行列を入力として、DOライダーシップの時空間分布をキャプチャする。提案したHIAMに基づいて,将来のODおよびDOライダーを同時に予測する統合Seq2Seqネットワークを開発した。
論文参考訳（メタデータ） (2021-07-02T10:11:51Z)
A Driving Behavior Recognition Model with Bi-LSTM and Multi-Scale CNN [59.57221522897815]
運転行動認識のための軌道情報に基づくニューラルネットワークモデルを提案する。提案手法を公開BLVDデータセット上で評価し,満足な性能を実現する。
論文参考訳（メタデータ） (2021-03-01T06:47:29Z)
Improving Robustness to Model Inversion Attacks via Mutual Information Regularization [12.079281416410227]
本稿では,モデル逆転攻撃に対する防御機構について検討する。 MIは、ターゲット機械学習モデルへのアクセスからトレーニングデータ配布に関する情報を推測することを目的とした、プライバシ攻撃の一種である。我々はMI攻撃に対するMID(Multual Information Regularization based Defense)を提案する。
論文参考訳（メタデータ） (2020-09-11T06:02:44Z)

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。