Fugu-MT 論文翻訳(概要): A Prefixed Patch Time Series Transformer for Two-Point Boundary Value Problems in Three-Body Problems

論文の概要: A Prefixed Patch Time Series Transformer for Two-Point Boundary Value Problems in Three-Body Problems

arxiv url: http://arxiv.org/abs/2504.01464v1
Date: Wed, 02 Apr 2025 08:22:03 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-03 13:20:08.314790
Title: A Prefixed Patch Time Series Transformer for Two-Point Boundary Value Problems in Three-Body Problems
Title（参考訳）: 3次元問題における2点境界値問題に対する固定パッチ時系列変換器
Authors: Akira Hatakeyama, Shota Ito, Toshihiko Yanase, Naoya Ozaki,
Abstract要約: 円柱軌道の2点境界値問題は、円周方向の3つの体問題において重要な課題である。本研究では,2点境界値問題の解を自動生成する,プレフィックス付きパッチ時系列変換器モデルを用いた新しい手法を提案する。
参考スコア（独自算出の注目度）: 0.29998889086656577
License:
Abstract: Two-point boundary value problems for cislunar trajectories present significant challenges in circler restricted three body problem, making traditional analytical methods like Lambert's problem inapplicable. This study proposes a novel approach using a prefixed patch time series Transformer model that automates the solution of two-point boundary value problems from lunar flyby to arbitrary terminal conditions. Using prefix tokens of terminal conditions in our deep generative model enables solving boundary value problems in three-body dynamics. The training dataset consists of trajectories obtained through forward propagation rather than solving boundary value problems directly. The model demonstrates potential practical utility for preliminary trajectory design in cislunar mission scenarios.
Abstract（参考訳）: シスルナー軌道に対する2点境界値問題は、円周が3つの体問題を制限し、ランベルトの問題のような伝統的な解析方法が適用できないという重大な課題を呈している。本研究では,月面フライバイから任意の端末条件への2点境界値問題の解法を自動化する,プレフィックス付きパッチ時系列変換器モデルを用いた新しい手法を提案する。深部生成モデルにおける終端条件の接頭辞を用いることで,三次元力学における境界値問題を解くことができる。トレーニングデータセットは、境界値の問題を直接解くのではなく、前方伝播によって得られる軌道から構成される。このモデルは、シスルナーミッションのシナリオにおける予備軌道設計のための潜在的実用性を示す。

関連論文リスト

Deep Ritz method with Fourier feature mapping: A deep learning approach for solving variational models of microstructure [8.615239789291236]
本稿では,Deep Ritz Method(DRM)とFourier特徴マッピングを組み合わせて最小化問題の解法を提案する。これらの問題は、最小のグローバルエネルギーポテンシャルが欠如しているため、計算上の課題を示す。
論文参考訳（メタデータ） (2025-02-08T02:37:03Z)
GlobalPointer: Large-Scale Plane Adjustment with Bi-Convex Relaxation [44.98626468432535]
平面調整は多くの3次元アプリケーションにおいて重要であり、同時にポーズ推定と平面の回復を伴う。我々はtextitBi-Convex Relaxation と呼ばれる新しい最適化戦略を利用して、元の問題を2つのより単純なサブプロブレムに分解する。平面調整問題であるtextitGlobalPointer と textitGlobalPointer++ の2つのアルゴリズム変種を提案する。
論文参考訳（メタデータ） (2024-07-18T14:09:03Z)
CoSIGN: Few-Step Guidance of ConSIstency Model to Solve General INverse Problems [3.3969056208620128]
我々は, 高い復元品質を維持しつつ, 推論ステップの境界を1-2 NFEに推し進めることを提案する。本手法は拡散型逆問題解法における新しい最先端技術を実現する。
論文参考訳（メタデータ） (2024-07-17T15:57:50Z)
ParaPoint: Learning Global Free-Boundary Surface Parameterization of 3D Point Clouds [52.03819676074455]
ParaPointは、グローバルな自由境界面パラメータ化を実現するための教師なしのニューラルネットワークパイプラインである。この研究は、グローバルマッピングと自由境界の両方を追求するニューラルポイントクラウドパラメータ化を調査する最初の試みである。
論文参考訳（メタデータ） (2024-03-15T14:35:05Z)
Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文参考訳（メタデータ） (2023-08-21T13:03:25Z)
A Stable and Scalable Method for Solving Initial Value PDEs with Neural Networks [52.5899851000193]
我々は,ネットワークの条件が悪くなるのを防止し,パラメータ数で時間線形に動作するODEベースのIPPソルバを開発した。このアプローチに基づく現在の手法は2つの重要な問題に悩まされていることを示す。まず、ODEに従うと、問題の条件付けにおいて制御不能な成長が生じ、最終的に許容できないほど大きな数値誤差が生じる。
論文参考訳（メタデータ） (2023-04-28T17:28:18Z)
Feature Space Sketching for Logistic Regression [9.988796763382014]
本稿では,ロジスティック回帰のためのコアセット構築,特徴選択,次元化のための新しい境界について述べる。これら3つのアプローチは、ロジスティック回帰入力をスケッチしたものと考えることができる。
論文参考訳（メタデータ） (2023-03-24T21:46:04Z)
Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value Functions [65.84090965167535]
本稿では,ニューラルネットワークによってパラメータ化される暗黙的値関数として,オブジェクト点群と相対的タスク軌跡の両方を符号化する新しいオブジェクト表現であるNeural Motion Fieldsを提案する。このオブジェクト中心表現は、SE(3)空間上の連続分布をモデル化し、サンプリングベースのMPCを利用して、この値関数を最適化することで、反応的に把握することができる。
論文参考訳（メタデータ） (2022-06-29T18:47:05Z)
Zero Pixel Directional Boundary by Vector Transform [77.63061686394038]
我々は境界を1次元曲面として再解釈し、1対1のベクトル変換関数を定式化し、クラス不均衡問題を完全に回避する境界予測の訓練を可能にする。我々の問題定式化は、境界の方向推定だけでなく、よりリッチなコンテキスト情報もたらし、もし望めば、訓練時にもゼロピクセルの薄い境界が利用可能となる。
論文参考訳（メタデータ） (2022-03-16T17:55:31Z)
DC3: A learning method for optimization with hard constraints [85.12291213315905]
この問題に対処するアルゴリズムとして,Deep Constraint Completion and Correction (DC3)を提案する。 DC3は、等式制約を満たす部分解と不等式制約を満たすアンロールベースの補正を暗黙的に完成する。合成最適化タスクとAC最適電力流の実世界設定の両方でDC3の有効性を実証します。
論文参考訳（メタデータ） (2021-04-25T18:21:59Z)
Deep learning of free boundary and Stefan problems [2.538209532048867]
本稿では,Stefan問題と呼ばれる,前方および逆自由境界問題の一般的なクラスに対処するために,物理インフォームドニューラルネットワークに基づくマルチネットワークモデルを提案する。具体的には、未知の解と2つのディープニューラルネットワークによる任意の移動境界を近似する。さらに,スパースおよびノイズ測定から直接解と自由境界を再構築することを目的とした,新しい逆ステファン問題を定式化する。
論文参考訳（メタデータ） (2020-06-04T21:14:15Z)

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。