論文の概要: Trends, Advancements and Challenges in Intelligent Optimization in Satellite Communication

• arxiv url: http://arxiv.org/abs/2410.03674v1
• Date: Tue, 17 Sep 2024 08:01:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-02 20:48:16.552525
• Title: Trends, Advancements and Challenges in Intelligent Optimization in Satellite Communication
• Title（参考訳）: 衛星通信における知的最適化の現状と課題
• Authors: Philippe Krajsic, Viola Suess, Zehong Cao, Ryszard Kowalczyk, Bogdan Franczyk,
• Abstract要約: 本稿では、衛星通信のインテリジェントな最適化分野における現在の研究の概要について述べる。 テキストマイニングに基づく文献レビューを行い,本論文を数学的にクラスタ化し分析した。
• 参考スコア（独自算出の注目度）: 11.400634353240484
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Efficient satellite communications play an enormously important role in all of our daily lives. This includes the transmission of data for communication purposes, the operation of IoT applications or the provision of data for ground stations. More and more, AI-based methods are finding their way into these areas. This paper gives an overview of current research in the field of intelligent optimization of satellite communication. For this purpose, a text-mining based literature review was conducted and the identified papers were thematically clustered and analyzed. The identified clusters cover the main topics of routing, resource allocation and, load balancing. Through such a clustering of the literature in overarching topics, a structured analysis of the research papers was enabled, allowing the identification of latest technologies and approaches as well as research needs for intelligent optimization of satellite communication.
• Abstract（参考訳）: 効率的な衛星通信は、我々の日常生活において非常に重要な役割を担っている。 これには、通信目的のデータ送信、IoTアプリケーションの運用、地上局のデータ提供が含まれる。 ますます、AIベースの手法が、これらの分野への道を見つけつつある。 本稿では、衛星通信のインテリジェントな最適化分野における現在の研究の概要について述べる。 そこで本研究では,テキストマイニングに基づく文献レビューを行い,本論文を数学的にクラスタ化して分析した。 特定されたクラスタは、ルーティング、リソース割り当て、ロードバランシングの主なトピックをカバーしている。 このような文献のクラスター化を通じて、研究論文の構造解析が可能となり、最新の技術やアプローチの同定と、衛星通信のインテリジェントな最適化のための研究ニーズが実現された。

関連論文リスト

• On-Air Deep Learning Integrated Semantic Inference Models for Enhanced Earth Observation Satellite Networks [28.69148416385582]
  ドメイン適応型大規模言語モデル(LLM)は、生および処理されたEOデータの統合を可能にするソリューションを提供する。 本研究は,高度EOシステムにおける意味推論と深層学習の徹底的な検討を行う。 データ伝送効率を向上させるために設計されたEO衛星ネットワークにおけるセマンティック通信のための革新的なアーキテクチャを提供する。
  論文  参考訳（メタデータ） (2024-09-23T17:42:05Z)
• A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
  衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。 本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T06:57:45Z)
• Leveraging Large Language Models for Integrated Satellite-Aerial-Terrestrial Networks: Recent Advances and Future Directions [47.791246017237]
  統合衛星、航空、地上ネットワーク(ISATN)は多様な通信技術の洗練された収束を表現している。 本稿では,Large Language Models (LLM) を ISATN に統合するトランスフォーメーションの可能性について検討する。
  論文  参考訳（メタデータ） (2024-07-05T15:23:43Z)
• Mission Critical -- Satellite Data is a Distinct Modality in Machine Learning [14.375949319802338]
  衛星データには、機械学習に地震的な変化をもたらす可能性がある。 我々は、衛星データが機械学習研究の明確なモダリティとなっていると論じる。
  論文  参考訳（メタデータ） (2024-02-02T14:36:50Z)
• Generative AI for Physical Layer Communications: A Survey [76.61956357178295]
  生成人工知能(GAI)は、デジタルコンテンツ生産の効率を高める可能性がある。 複雑なデータ分散を分析するGAIの能力は、無線通信にとって大きな可能性を秘めている。 本稿では、信号分類、チャネル推定、等化といった従来の問題から、インテリジェントな反射面やジョイントソースチャネル符号化といった新たなトピックまで、GAIの物理層での通信への応用に関する包括的な調査を行う。
  論文  参考訳（メタデータ） (2023-12-09T15:20:56Z)
• Topics in Deep Learning and Optimization Algorithms for IoT Applications in Smart Transportation [0.0]
  この論文は、最適化アルゴリズムと機械学習の異なる手法をどのように活用してシステム性能を向上するかを考察する。 第1のトピックでは、分散ADMM方式を用いた最適な伝送周波数管理方式を提案する。 第2のトピックでは、共有自転車の需要予測にグラフニューラルネットワーク(GNN)を活用する。 最後のトピックでは、頻繁に車線変更行動が発生するハイウェイ交通ネットワークのシナリオについて考察する。
  論文  参考訳（メタデータ） (2022-10-13T11:45:30Z)
• Machine Learning-Based User Scheduling in Integrated Satellite-HAPS-Ground Networks [82.58968700765783]
  第6世代通信ネットワーク(6G)の強化のための価値あるソリューション空間の提供を約束する。 本稿では,空対地統合通信におけるユーザスケジューリングにおける機械学習の可能性について述べる。
  論文  参考訳（メタデータ） (2022-05-27T13:09:29Z)
• Satellite Based Computing Networks with Federated Learning [30.090106801185886]
  人工知能(AI)によって強化された第6世代(6G)モバイルシステムである無線通信の新世代が、かなりの研究関心を集めている。 6Gの様々な候補技術の中で、低軌道(LEO)衛星はユビキタス無線アクセスの特徴をアピールしている。 知的適応学習を備えた大規模相互接続デバイスをサポートし,SatComにおける高価なトラフィックを削減するため,LEOベースの衛星通信ネットワークにおけるフェデレーション学習(FL)を提案する。
  論文  参考訳（メタデータ） (2021-11-20T13:24:23Z)
• Artificial Intelligence for Satellite Communication: A Review [91.3755431537592]
  この研究は、AI、その多様なサブフィールド、そして最先端のアルゴリズムの概要を提供する。 さまざまな衛星通信分野へのAIの適用は、ビームホッピング、アンチジャミング、ネットワークトラフィック予測、チャネルモデリング、テレメトリマイニング、電離圏シンチレーション検出、干渉管理、リモートセンシング、行動モデリング、スペースエアグラウンド統合、エネルギー管理など、優れた可能性を実証しています。
  論文  参考訳（メタデータ） (2021-01-25T13:01:16Z)
• Path Design and Resource Management for NOMA enhanced Indoor Intelligent Robots [58.980293789967575]
  通信可能な屋内知的ロボット(IR)サービスフレームワークを提案する。 室内レイアウトとチャネル状態を決定論的に記述できるレゴモデリング手法が提案されている。 調査対象の無線マップは、強化学習エージェントを訓練するための仮想環境として呼び出される。
  論文  参考訳（メタデータ） (2020-11-23T21:45:01Z)

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。