Fugu-MT 論文翻訳(概要): Learning Antenna Pointing Correction in Operations: Efficient Calibration of a Black Box

論文の概要: Learning Antenna Pointing Correction in Operations: Efficient Calibration of a Black Box

arxiv url: http://arxiv.org/abs/2405.15247v2
Date: Wed, 26 Jun 2024 09:08:00 GMT
ステータス: 処理完了
システム内更新日: 2024-06-27 18:25:45.735569
Title: Learning Antenna Pointing Correction in Operations: Efficient Calibration of a Black Box
Title（参考訳）: 動作中のアンテナポインティング補正の学習:ブラックボックスの効率的な校正
Authors: Leif Bergerhoff,
Abstract要約: 運用アンテナシステムのための効率的なオフラインポインティングキャリブレーション手法を提案する。我々の手法は校正の労力を最小化し、技術的信号情報を活用する。本実験では,実環境における提案手法の有用性を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose an efficient offline pointing calibration method for operational antenna systems which does not require any downtime. Our approach minimizes the calibration effort and exploits technical signal information which is typically used for monitoring and control purposes in ground station operations. Using a standard antenna interface and data from an operational satellite contact, we come up with a robust strategy for training data set generation. On top of this, we learn the parameters of a suitable coordinate transform by means of linear regression. In our experiments, we show the usefulness of the method in a real-world setup.
Abstract（参考訳）: ダウンタイムを必要としない運用アンテナシステムに対して,効率的なオフラインポインティングキャリブレーション手法を提案する。提案手法は校正作業を最小限に抑え,地上局運用における監視・制御の目的で一般的に使用される技術信号情報を活用する。標準アンテナインタフェースと運用衛星接触データを用いて,データセット生成をトレーニングするためのロバストな戦略を考案した。この上に、線形回帰を用いて適切な座標変換のパラメータを学習する。本実験では,実環境における提案手法の有用性を示す。

関連論文リスト

Streamlining Forest Wildfire Surveillance: AI-Enhanced UAVs Utilizing the FLAME Aerial Video Dataset for Lightweight and Efficient Monitoring [4.303063757163241]
本研究では,災害対応シナリオにおけるリアルタイムデータ処理の必要性を認識し,航空映像理解のための軽量かつ効率的なアプローチを提案する。提案手法は、ポリシーネットワークを介してビデオ内の冗長部分を識別し、フレーム圧縮技術を用いて余分な情報を除去する。ベースラインと比較して,提案手法は計算コストを13倍以上削減し,精度を3$%向上させる。
論文参考訳（メタデータ） (2024-08-31T17:26:53Z)
Test-time adaptation for geospatial point cloud semantic segmentation with distinct domain shifts [6.80671668491958]
テスト時間適応(TTA)は、ソースデータへのアクセスや追加のトレーニングなしに、推論段階でラベル付けされていないデータに事前訓練されたモデルの直接適応を可能にする。本稿では,3つの領域シフトパラダイムを提案する。光グラムから空気中LiDAR,空気中LiDAR,合成-移動レーザー走査である。実験の結果,分類精度は最大20%mIoUに向上し,他の手法よりも優れていた。
論文参考訳（メタデータ） (2024-07-08T15:40:28Z)
Offline Reinforcement Learning from Datasets with Structured Non-Stationarity [50.35634234137108]
現在の強化学習(RL)は、成功するポリシーを学ぶのに必要な大量のデータによって制限されることが多い。本稿では,データセットを収集しながら,各エピソードの遷移と報酬関数が徐々に変化するが,各エピソード内で一定に保たれるような新しいオフラインRL問題に対処する。本稿では、オフラインデータセットにおけるこの非定常性を識別し、ポリシーのトレーニング時にそれを説明し、評価中に予測するContrastive Predictive Codingに基づく手法を提案する。
論文参考訳（メタデータ） (2024-05-23T02:41:36Z)
Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。実世界のデータセットの実験では、大幅な改善が示されている。
論文参考訳（メタデータ） (2023-09-21T15:00:31Z)
Leveraging the Power of Data Augmentation for Transformer-based Tracking [64.46371987827312]
トラッキング用にカスタマイズされた2つのデータ拡張手法を提案する。まず、動的探索半径機構と境界サンプルのシミュレーションにより、既存のランダムトリミングを最適化する。第2に,背景干渉などの問題に対するモデルを可能にする,トークンレベルの機能混在強化戦略を提案する。
論文参考訳（メタデータ） (2023-09-15T09:18:54Z)
Antenna Array Calibration Via Gaussian Process Models [0.0]
アンテナアレイキャリブレーションは、広範囲の先進アンテナシステムにおけるビームパターンの忠実度を維持するために必要である。アンテナキャリブレーションを,関数近似のタスクとして定式化し,ベイズ機械学習を用いて処理する。まず、各放射素子、位置オフセット、およびアンテナ素子間の相互結合効果に対応するハードウェア障害を捕捉するパラメータ空間を定義する。一度展開すると、学習された非パラメトリックモデルは、システムのビームフォーミング重みを継続的に変換し、修正されたビームパターンをもたらす。
論文参考訳（メタデータ） (2023-01-16T19:40:50Z)
Let Offline RL Flow: Training Conservative Agents in the Latent Space of Normalizing Flows [58.762959061522736]
オフライン強化学習は、追加の環境相互作用なしに、事前に記録された、固定されたデータセット上でポリシーをトレーニングすることを目的としている。我々は、最近、潜在行動空間における学習ポリシーを基礎として、生成モデルの構築に正規化フローの特別な形式を用いる。提案手法が最近提案したアルゴリズムより優れていることを示すため,様々な移動タスクとナビゲーションタスクについて評価を行った。
論文参考訳（メタデータ） (2022-11-20T21:57:10Z)
Learning Optimal Antenna Tilt Control Policies: A Contextual Linear Bandit Approach [65.27783264330711]
セルラーネットワークにおけるアンテナ傾きの制御は、ネットワークのカバレッジとキャパシティの間の効率的なトレードオフに到達するために不可欠である。既存のデータから最適な傾き制御ポリシーを学習するアルゴリズムを考案する。従来のルールベースの学習アルゴリズムよりもはるかに少ないデータサンプルを用いて最適な傾き更新ポリシーを作成できることを示す。
論文参考訳（メタデータ） (2022-01-06T18:24:30Z)
Unsupervised Change Detection of Extreme Events Using ML On-Board [3.1955314117075715]
変分オートエンコーダ(VAE)に基づく衛星データにおける変更検出のための軽量で教師なしのアプローチであるRaVAEnを紹介する。 RaVAEnは、サンプルデータを衛星に直接前処理し、ダウンリンク、応答時間を短縮するために変更したエリアをフラグで表示する。破滅的な事象の時系列からなるデータセット上で,本システムの有効性を検証した。
論文参考訳（メタデータ） (2021-11-04T16:45:15Z)
Facilitate the Parametric Dimension Reduction by Gradient Clipping [1.9671123873378715]
我々は、ニューラルネットワークのトレーニングにより、非パラメトリックからパラメトリックへ、よく知られた次元削減手法であるt分散隣接埋め込み(t-SNE)を拡張した。本手法は, 一般化を楽しみながら, 非パラメトリックt-SNEと互換性のある埋め込み品質を実現する。
論文参考訳（メタデータ） (2020-09-30T01:21:22Z)
Chance-Constrained Trajectory Optimization for Safe Exploration and Learning of Nonlinear Systems [81.7983463275447]
学習に基づく制御アルゴリズムは、訓練のための豊富な監督を伴うデータ収集を必要とする。本稿では,機会制約付き最適制御と動的学習とフィードバック制御を統合した安全な探索による最適動作計画のための新しいアプローチを提案する。
論文参考訳（メタデータ） (2020-05-09T05:57:43Z)

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。