論文の概要: RoBo6: Standardized MMT Light Curve Dataset for Rocket Body Classification

• arxiv url: http://arxiv.org/abs/2412.00544v1
• Date: Sat, 30 Nov 2024 17:36:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:47:32.818725
• Title: RoBo6: Standardized MMT Light Curve Dataset for Rocket Body Classification
• Title（参考訳）: RoBo6: ロケットボディ分類のための標準MMTライトカーブデータセット
• Authors: Daniel Kyselica, Marek Šuppa, Jiří Šilha, Roman Ďurikovič,
• Abstract要約: 本稿では,光度曲線に基づくロケット本体分類のためのRoBo6データセットを提案する。 このデータセットには、CZ-3B、アトラス5センター、ファルコン9、H-2A、アリアン5、デルタ4の6つのロケットボディクラスの光度曲線が含まれている。 CNNやトランスフォーマーベースのアプローチなど、いくつかの機械学習モデルが評価された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Space debris presents a critical challenge for the sustainability of future space missions, emphasizing the need for robust and standardized identification methods. However, a comprehensive benchmark for rocket body classification remains absent. This paper addresses this gap by introducing the RoBo6 dataset for rocket body classification based on light curves. The dataset, derived from the Mini Mega Tortora database, includes light curves for six rocket body classes: CZ-3B, Atlas 5 Centaur, Falcon 9, H-2A, Ariane 5, and Delta 4. With 5,676 training and 1,404 test samples, it addresses data inconsistencies using resampling, normalization, and filtering techniques. Several machine learning models were evaluated, including CNN and transformer-based approaches, with Astroconformer reporting the best performance. The dataset establishes a common benchmark for future comparisons and advancements in rocket body classification tasks.
• Abstract（参考訳）: 宇宙デブリは将来の宇宙ミッションの持続可能性にとって重要な課題であり、堅牢で標準化された識別方法の必要性を強調している。 しかし、ロケットのボディ分類に関する包括的なベンチマークは残っていない。 本稿では,光度曲線に基づくロケット本体分類のためのRoBo6データセットを導入することにより,このギャップを解消する。 このデータセットはMini Mega Tortoraデータベースから派生したもので、CZ-3B、Atlas 5 Centaur、Falcon 9、H-2A、Ariane 5、Delta 4の6つのロケットボディクラスの光度曲線を含んでいる。 5,676のトレーニングと1,404のテストサンプルで、リサンプリング、正規化、フィルタリング技術を使用してデータの一貫性に対処する。 CNNやトランスフォーマーベースのアプローチなど、いくつかの機械学習モデルが評価され、Astroconformerが最高のパフォーマンスを報告している。 このデータセットは、ロケット本体の分類タスクにおける将来の比較と進歩のための共通のベンチマークを確立する。

関連論文リスト

• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Hybrid-Segmentor: A Hybrid Approach to Automated Fine-Grained Crack Segmentation in Civil Infrastructure [52.2025114590481]
  エンコーダ・デコーダをベースとした手法であるHybrid-Segmentorを導入する。 これにより、モデルは、様々な種類の形状、表面、き裂の大きさを区別する一般化能力を向上させることができる。 提案モデルは,5つの測定基準(精度0.971,精度0.804,リコール0.744,F1スコア0.770,IoUスコア0.630)で既存ベンチマークモデルより優れ,最先端の状態を達成している。
  論文  参考訳（メタデータ） (2024-09-04T16:47:16Z)
• Data downlink prioritization using image classification on-board a 6U CubeSat [0.0]
  九州工業大学と共同研究員は,ナノサテライトミッションであるVERTECSのジョイントベンチャーを立ち上げた。 主なミッションは、光波長の宇宙背景放射を観測することで星の形成履歴を解明することである。 VERTECS衛星は小型の望遠鏡と高精度の姿勢制御システムを備え、地上での分析のために宇宙データをキャプチャする。 そこで我々は,データダウンリンクの優先順位付けと最適化のために,最適な画像データを自律的に分類し,圧縮するオンオービットシステムを提案する。
  論文  参考訳（メタデータ） (2024-08-27T08:38:45Z)
• Detecting and Classifying Flares in High-Resolution Solar Spectra with Supervised Machine Learning [0.0]
  本稿では,太陽フレアを教師あり機械学習の助けを借りて分類する標準化手法を提案する。 RHESSIミッションのフレアデータと、HARPS-N機器の太陽光スペクトルを用いて、いくつかの教師付き機械学習モデルを訓練した。 最も訓練されたモデルでは、平均集計精度スコアが0.65であり、非フレアクラスと弱フレアクラスではカテゴリ精度スコアが0.70以上である。
  論文  参考訳（メタデータ） (2024-06-21T18:52:03Z)
• A comparative study on machine learning approaches for rock mass classification using drilling data [0.3749861135832073]
  掘削・爆発トンネルにおける現在の岩石工学設計は、技術者の観察的評価に依存している。 トンネル掘削時に収集した高分解能センサ・データセットであるMWDデータ(MWD)は未利用である。 本研究の目的は,MWDデータを岩盤工学の実用的な指標に自動変換することである。
  論文  参考訳（メタデータ） (2024-03-15T15:37:19Z)
• Reproducing Bayesian Posterior Distributions for Exoplanet Atmospheric Parameter Retrievals with a Machine Learning Surrogate Model [1.8434042562191815]
  本研究では,太陽系外惑星大気パラメータのベイズ分布を再現するための機械学習に基づく代理モデルについて述べる。 このモデルは2023年のAriel Machine Learning Data Challengeで優勝した。
  論文  参考訳（メタデータ） (2023-10-16T15:39:05Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• A Case Study on the Classification of Lost Circulation Events During Drilling using Machine Learning Techniques on an Imbalanced Large Dataset [0.0]
  イランのアザデガン油田から得られた65,000以上のデータと階級不均衡問題を利用する。 データセットの17のパラメータのうち11は、5つの失われた循環イベントの分類に使用される。 分類モデルを生成するために,6つの基本機械学習アルゴリズムと4つのアンサンブル学習手法を用いた。
  論文  参考訳（メタデータ） (2022-09-04T12:28:40Z)
• Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
  環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。 我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。 我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
  論文  参考訳（メタデータ） (2022-07-14T10:04:18Z)
• Chest x-ray automated triage: a semiologic approach designed for clinical implementation, exploiting different types of labels through a combination of four Deep Learning architectures [83.48996461770017]
  本研究では,異なる畳み込みアーキテクチャの後期融合に基づく深層学習手法を提案する。 公開胸部x線画像と機関アーカイブを組み合わせたトレーニングデータセットを4つ構築した。 4つの異なるディープラーニングアーキテクチャをトレーニングし、それらのアウトプットとレイトフュージョン戦略を組み合わせることで、統一されたツールを得ました。
  論文  参考訳（メタデータ） (2020-12-23T14:38:35Z)

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。