論文の概要: Tempestas ex machina: A review of machine learning methods for wavefront
control
- arxiv url: http://arxiv.org/abs/2309.00730v1
- Date: Fri, 1 Sep 2023 20:47:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-07 01:35:33.546869
- Title: Tempestas ex machina: A review of machine learning methods for wavefront
control
- Title（参考訳）: tempestas ex machina: ウェーブフロント制御のための機械学習手法のレビュー
- Authors: J. Fowler and Rico Landman
- Abstract要約: ウェーブフロント制御アルゴリズムは 適応光学系の重要な構成要素です
現代の機械学習手法は波面制御問題に対処するために研究されている。
機械学習を最も単純な用語で定義し、ウェーブフロント制御の文脈で適用される最も一般的な機械学習手法について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As we look to the next generation of adaptive optics systems, now is the time
to develop and explore the technologies that will allow us to image rocky
Earth-like planets; wavefront control algorithms are not only a crucial
component of these systems, but can benefit our adaptive optics systems without
requiring increased detector speed and sensitivity or more effective and
efficient deformable mirrors. To date, most observatories run the workhorse of
their wavefront control as a classic integral controller, which estimates a
correction from wavefront sensor residuals, and attempts to apply that
correction as fast as possible in closed-loop. An integrator of this nature
fails to address temporal lag errors that evolve over scales faster than the
correction time, as well as vibrations or dynamic errors within the system that
are not encapsulated in the wavefront sensor residuals; these errors impact
high contrast imaging systems with complex coronagraphs. With the rise in
popularity of machine learning, many are investigating applying modern machine
learning methods to wavefront control. Furthermore, many linear implementations
of machine learning methods (under varying aliases) have been in development
for wavefront control for the last 30-odd years. With this work we define
machine learning in its simplest terms, explore the most common machine
learning methods applied in the context of this problem, and present a review
of the literature concerning novel machine learning approaches to wavefront
control.
- Abstract（参考訳）: 波面制御アルゴリズムは、これらのシステムの重要な構成要素であるだけでなく、検出器の速度と感度を向上したり、より効率的で効率的な変形可能なミラーを必要とすることなく、我々の適応光学システムに恩恵をもたらすことができる。
現在まで、ほとんどの観測所は波面制御のワークホースを古典的な積分制御器として実行しており、波面センサ残差の補正を推定し、その修正をできるだけ早くクローズドループで適用しようと試みている。
この性質の積分器は、補正時間よりも速いスケールで進化する時間ラグ誤差と、波面センサー残差にカプセル化されていないシステム内の振動や動的誤差に対処することができない。
機械学習の人気が高まり、多くの人々がウェーブフロント制御に現代的な機械学習手法を適用している。
さらに、(さまざまなエイリアスの下で)機械学習手法の多くの線形実装が、過去30年間にわたって波面制御のために開発されてきた。
本研究により、機械学習を最も単純な用語で定義し、この問題の文脈で適用される最も一般的な機械学習手法を探求し、ウェーブフロント制御に対する新しい機械学習アプローチに関する文献をレビューする。
関連論文リスト
- Machine Learning in Short-Reach Optical Systems: A Comprehensive Survey [2.425630641479336]
本稿では,短距離通信における機械学習技術の応用について概説する。
本稿では,機械学習信号処理における時系列手法の新しい分類法を提案する。
我々は,短時間の光通信システムにおいて,より実用的で効率的な機械学習アプローチの展開の道を開くことを目的としている。
論文 参考訳（メタデータ） (2024-05-02T16:04:30Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z) - Learned multiphysics inversion with differentiable programming and
machine learning [1.8893605328938345]
本稿では, 画像・モデリング・監視のための地震研究所 (SLIM) を, 計算物理のためのオープンソースソフトウェアフレームワークとして紹介する。
複数の抽象化レイヤを統合することで、ソフトウェアは可読性と拡張性の両方を持つように設計されています。
論文 参考訳（メタデータ） (2023-04-12T03:38:22Z) - Online Learning of Wheel Odometry Correction for Mobile Robots with
Attention-based Neural Network [63.8376359764052]
現代のロボットプラットフォームは、人間の横で毎日運用するために、信頼性の高いローカライゼーションシステムを必要としている。
フィルタされた車輪と慣性オドメトリーに基づく単純なポーズ推定アルゴリズムは、急激なキネマティックな変化とホイールスリップの存在下で失敗することが多い。
本稿では,車輪形状補正のための革新的なオンライン学習手法を提案し,ロバストなマルチソースローカライゼーションシステムを提案する。
論文 参考訳（メタデータ） (2023-03-21T10:30:31Z) - A Deep Learning Technique to Control the Non-linear Dynamics of a
Gravitational-wave Interferometer [0.0]
非線形動的制御問題を解くディープラーニング手法を開発した。
LIGOシステムの動作に生じる重要な非線形制御問題に対して,本手法を適用した。
また、1つの現代的なCPUコア上で、高速なサンプリング速度でリアルタイムに実行できる計算効率の良いモデルを開発した。
論文 参考訳（メタデータ） (2023-02-15T19:47:56Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳（メタデータ） (2022-06-07T13:51:35Z) - Wave-based extreme deep learning based on non-linear time-Floquet
entanglement [0.7614628596146599]
強い非線形性を必要とする複雑なニューロモルフィック・コンピューティング・タスクは、これまで波動ベース・ソリューションのアウト・オブ・リーチに留まってきた。
本稿では,周波数の異なる信号入力間の強い非線形絡み合いを誘発する時間-浮動小数点物理学の関連性を示す。
エクストリームラーニングマシンと貯水池コンピューティングの手法の有効性を実証し,様々な学習課題を解決する。
論文 参考訳（メタデータ） (2021-07-19T00:18:09Z) - Unsupervised Monocular Depth Learning with Integrated Intrinsics and
Spatio-Temporal Constraints [61.46323213702369]
本研究は,大規模深度マップとエゴモーションを予測可能な教師なし学習フレームワークを提案する。
本結果は,KITTI運転データセットの複数シーケンスにおける現在の最先端技術と比較して,高い性能を示す。
論文 参考訳（メタデータ） (2020-11-02T22:26:58Z) - Enhanced Adversarial Strategically-Timed Attacks against Deep
Reinforcement Learning [91.13113161754022]
本稿では,DRLに基づくナビゲーションシステムに対して,選択した時間フレーム上の物理ノイズパターンを妨害することにより,タイミングに基づく逆方向戦略を導入する。
実験結果から, 対向タイミング攻撃は性能低下を引き起こす可能性が示唆された。
論文 参考訳（メタデータ） (2020-02-20T21:39:25Z)
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。