論文の概要: Convolutional Autoencoders for Data Compression and Anomaly Detection in Small Satellite Technologies

• arxiv url: http://arxiv.org/abs/2505.00040v1
• Date: Tue, 29 Apr 2025 19:51:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:55.118809
• Title: Convolutional Autoencoders for Data Compression and Anomaly Detection in Small Satellite Technologies
• Title（参考訳）: 小型衛星技術におけるデータ圧縮・異常検出のための畳み込みオートエンコーダ
• Authors: Dishanand Jayeprokash, Julia Gonski,
• Abstract要約: 小さな衛星技術は測地ミッションの可能性と実現可能性を高めた。 オンサテライトデータ取得システムは機械学習(ML)の実装の恩恵を受けることができる 本研究では、小型衛星のペイロードに実装するための畳み込みオートエンコーダを提案する。
• 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: Small satellite technologies have enhanced the potential and feasibility of geodesic missions, through simplification of design and decreased costs allowing for more frequent launches. On-satellite data acquisition systems can benefit from the implementation of machine learning (ML), for better performance and greater efficiency on tasks such as image processing or feature extraction. This work presents convolutional autoencoders for implementation on the payload of small satellites, designed to achieve dual functionality of data compression for more efficient off-satellite transmission, and at-source anomaly detection to inform satellite data-taking. This capability is demonstrated for a use case of disaster monitoring using aerial image datasets of the African continent, offering avenues for both novel ML-based approaches in small satellite applications along with the expansion of space technology and artificial intelligence in Africa.
• Abstract（参考訳）: 小さな衛星技術は、より頻繁な打ち上げを可能にする設計の単純化とコスト削減により、測地ミッションの可能性と実現可能性を高めた。 オンサテライトデータ取得システムは、機械学習(ML)の実装の恩恵を受けることができ、画像処理や特徴抽出といったタスクのパフォーマンスと効率が向上する。 本研究では、小型衛星のペイロードに実装するための畳み込みオートエンコーダを提案し、より効率的なオフサテライト伝送のためのデータ圧縮の二重機能を実現するとともに、衛星データ取得を通知するためのソース異常検出を行う。 この能力は、アフリカ大陸の航空画像データセットを用いた災害監視のユースケースとして実証され、小型衛星アプリケーションにおけるMLベースの新しいアプローチと、アフリカにおける宇宙技術と人工知能の拡張の両方の道のりを提供する。

関連論文リスト

• Satellite Edge Artificial Intelligence with Large Models: Architectures and Technologies [43.24943201324192]
  極度の気象予報、災害監視、戦場監視はリアルタイムのデータ処理を必要とする。 衛星エッジ大型AIモデル(LAM)は、トレーニング(微調整)と推論フェーズの両方を含む。 時間変化トポロジを持つ資源制約付き宇宙ネットワークにおけるLAM展開
  論文  参考訳（メタデータ） (2025-04-02T12:25:57Z)
• Securing Satellite Communications: Real-Time Video Encryption Scheme on Satellite Payloads [4.254485305825475]
  本研究では,2つの1次元カオスマップを用いてビデオの暗号化を行う手法を提案する。 衛星実験により、我々の計画が複雑な衛星環境に適していることが確認された。 Raspberry Pi 4Bの実験では、異常なリアルタイム性能と低消費電力が示されている。
  論文  参考訳（メタデータ） (2025-03-20T16:14:14Z)
• Low-altitude Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.72954660774002]
  低地球軌道(LEO)衛星は、海上無線通信で広範囲にわたるデータ通信を支援するために使用できる。 LEO衛星を広範囲にカバーし、チャネルの開放性と組み合わせることで、通信プロセスはセキュリティ上のリスクに悩まされる可能性がある。 本稿では無人航空機による低高度衛星通信システムLEOについて述べる。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• COSMIC: Compress Satellite Images Efficiently via Diffusion Compensation [18.963383434754515]
  衛星画像の送信を行うための簡易かつ効果的な圧縮ソリューションであるCOSMICを提案する。 まず,衛星間リンクを保存するために,高圧縮率を実現するために,衛星上に軽量エンコーダを設計する。 そこで,地上での再構成のために,デコード時に画像の詳細を補償する拡散モデルを提案する。
  論文  参考訳（メタデータ） (2024-10-02T16:05:15Z)
• 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)
• Cooperative Federated Learning over Ground-to-Satellite Integrated Networks: Joint Local Computation and Data Offloading [33.44828515877944]
  本稿では,遠隔地における機械学習サービス管理を容易にするために,地域間協調学習(FL)手法を提案する。 本手法は、FL中に以下の重要な機能を提供するために衛星星座を編成する。 本手法は地上のみの衛星ベースラインアプローチと比べ,FLの収束を著しく早めることができることを示す。
  論文  参考訳（メタデータ） (2023-12-23T22:09:31Z)
• Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual Antenna Arrays [55.736718475856726]
  無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である 既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。 協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
  論文  参考訳（メタデータ） (2023-08-03T02:49:50Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)

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。