論文の概要: CIKAN: Constraint Informed Kolmogorov-Arnold Networks for Autonomous Spacecraft Rendezvous using Time Shift Governor

• arxiv url: http://arxiv.org/abs/2412.03710v2
• Date: Fri, 06 Dec 2024 19:09:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 11:30:42.734176
• Title: CIKAN: Constraint Informed Kolmogorov-Arnold Networks for Autonomous Spacecraft Rendezvous using Time Shift Governor
• Title（参考訳）: CIKAN: Time Shift Governor を用いた自律宇宙開発のための制約付きコルモゴロフ・アルノルドネットワーク
• Authors: Taehyeun Kim, Anouck Girard, Ilya Kolmanovsky,
• Abstract要約: 我々は、時間シフトガウンタ(TSG)に対する制約付きインフォームドニューラルネットワーク(CINN)近似について検討する。 TSGに対する制約付きコルモゴロフ・アルノルドネットワーク(CIKAN)に基づく近似を提案する。 制約された宇宙船ランデブーミッションのシミュレーションにより,CIKANをベースとしたTSGの有効性を実証する。
• 参考スコア（独自算出の注目度）: 1.474723404975345
• License:
• Abstract: The paper considers a Constrained-Informed Neural Network (CINN) approximation for the Time Shift Governor (TSG), which is an add-on scheme to the nominal closed-loop system used to enforce constraints by time-shifting the reference trajectory in spacecraft rendezvous applications. We incorporate Kolmogorov-Arnold Networks (KANs), an emerging architecture in the AI community, as a fundamental component of CINN and propose a Constrained-Informed Kolmogorov-Arnold Network (CIKAN)-based approximation for TSG. We demonstrate the effectiveness of the CIKAN-based TSG through simulations of constrained spacecraft rendezvous missions on highly elliptic orbits and present comparisons between CIKANs, MLP-based CINNs, and the conventional TSG.
• Abstract（参考訳）: 本稿では, 衛星ランデブーにおける基準軌道の時間シフトによって制約を強制するために用いられる名目閉ループシステムへのアドオンスキームである, Time Shift Governor (TSG) に対する Constrained-Informed Neural Network (CINN) 近似について考察する。 我々は、CINNの基本コンポーネントとして、AIコミュニティの新興アーキテクチャであるKolmogorov-Arnold Networks(KANs)を取り入れ、TSGのためのConstrained-Informed Kolmogorov-Arnold Network(CIKAN)ベースの近似を提案する。 高度楕円軌道上での制約衛星ランデブーミッションのシミュレーションによるCIKANベースのTSGの有効性を実証し、CIKAN、MLPベースのCINNおよび従来のTSGとの比較を示す。

関連論文リスト

• Deep State Space Recurrent Neural Networks for Time Series Forecasting [0.0]
  本稿では,固有状態空間モデルの原理とリカレントニューラルネットワーク(RNN)の動的機能とを融合した新しいニューラルネットワークフレームワークを提案する。 結果によると、Kolmogorov-Arnold Networks(KAN)とLSTMにインスパイアされたTKANは、有望な結果を示している。
  論文  参考訳（メタデータ） (2024-07-21T17:59:27Z)
• TKAN: Temporal Kolmogorov-Arnold Networks [0.0]
  LSTM(Long Short-Term Memory)は、シーケンシャルデータにおける長期的な依存関係をキャプチャする能力を示している。 Kolmogorov-Arnold Networks (KANs) に触発されたマルチ層パーセプトロン(MLP)の代替案 我々はkanとLSTM、TKAN(Temporal Kolomogorov-Arnold Networks)にインスパイアされた新しいニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-05-12T17:40:48Z)
• Intelligent Hybrid Resource Allocation in MEC-assisted RAN Slicing Network [72.2456220035229]
  我々は,協調型MEC支援RANスライシングシステムにおける異種サービス要求に対するSSRの最大化を目指す。 最適ハイブリッドRAポリシーをインテリジェントに学習するためのRGRLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-02T01:36:13Z)
• Satellite Federated Edge Learning: Architecture Design and Convergence Analysis [47.057886812985984]
  本稿では,FEDMEGAという新しいFEELアルゴリズムを提案する。 軌道内モデルアグリゲーションのための衛星間リンク(ISL)を統合することにより、提案アルゴリズムは低データレートと断続的なGSLの使用を著しく削減する。 提案手法は,環全リデューサに基づく軌道内アグリゲーション機構と,グローバルモデルアグリゲーションのためのネットワークフローベースのトランスミッションスキームを組み合わせたものである。
  論文  参考訳（メタデータ） (2024-04-02T11:59:58Z)
• Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
  本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。 AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。 2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2023-06-15T14:50:27Z)
• Algebraic and Geometric Models for Space Networking [1.1608974088441382]
  実数直線 P(R) の部分集合の値を持つ行列の項で定義される時間変化グラフ(TVG)の新たな定義を示す。 我々は、P(R) の半環特性を利用して、行列乗算と切り離されたクリーネ星を用いたテレビGにおけるマルチホップ通信をモデル化する。 地球と火星の間のネットワークシナリオをより良くモデル化するために、伝播遅延をモデル化できる様々なセミリングを導入する。
  論文  参考訳（メタデータ） (2023-04-03T17:14:19Z)
• DG-STGCN: Dynamic Spatial-Temporal Modeling for Skeleton-based Action Recognition [77.87404524458809]
  骨格に基づく行動認識のための新しいフレームワーク,すなわち動的グループ時空間GCN(DG-STGCN)を提案する。 DG-GCNとDG-TCNの2つのモジュールで構成される。 DG-STGCNは最先端の手法よりも一貫して優れており、しばしば顕著な差がある。
  論文  参考訳（メタデータ） (2022-10-12T03:17:37Z)
• Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
  狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。 導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
  論文  参考訳（メタデータ） (2022-05-22T12:16:43Z)
• SQuARM-SGD: Communication-Efficient Momentum SGD for Decentralized Optimization [22.190763887903085]
  本稿では,ネットワーク上での機械学習モデルの分散学習のための通信効率向上アルゴリズムであるSQuARM-SGDを提案する。 SQuARM-SGDの収束速度は,バニラSGDの収束率と運動量更新率に一致した。 我々は、SQuARM-SGDのモーメント更新を含めることで、モーメント更新を考慮しない現在の最先端技術よりも優れたテスト性能が得られることを実証的に示す。
  論文  参考訳（メタデータ） (2020-05-13T02:11:14Z)
• Constructing Geographic and Long-term Temporal Graph for Traffic Forecasting [88.5550074808201]
  交通予測のための地理・長期時間グラフ畳み込み型ニューラルネットワーク(GLT-GCRNN)を提案する。 本研究では,地理的・長期的時間的パターンを共有する道路間のリッチな相互作用を学習する交通予測のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-23T03:50:46Z)

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。