論文の概要: Communication-Efficient Learning for Satellite Constellations

• arxiv url: http://arxiv.org/abs/2511.20220v1
• Date: Tue, 25 Nov 2025 11:47:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.43288
• Title: Communication-Efficient Learning for Satellite Constellations
• Title（参考訳）: 衛星コンステレーションのための通信効率向上学習
• Authors: Ruxandra-Stefania Tudose, Moritz H. W. Grüss, Grace Ra Kim, Karl H. Johansson, Nicola Bastianello,
• Abstract要約: 我々は、衛星がデータを収集し、局所的に処理するフェデレートされたアプローチに焦点を合わせ、地上局は局所的なモデルを集約する。 我々は地上局との通信回数を減らすためにいくつかのメカニズムを採用している。 そこで我々は,アルゴリズムに依存しない誤りフィードバック方式である副産物として,精度を高める誤差フィードバック機構を提案する。
• 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: Satellite constellations in low-Earth orbit are now widespread, enabling positioning, Earth imaging, and communications. In this paper we address the solution of learning problems using these satellite constellations. In particular, we focus on a federated approach, where satellites collect and locally process data, with the ground station aggregating local models. We focus on designing a novel, communication-efficient algorithm that still yields accurate trained models. To this end, we employ several mechanisms to reduce the number of communications with the ground station (local training) and their size (compression). We then propose an error feedback mechanism that enhances accuracy, which yields, as a byproduct, an algorithm-agnostic error feedback scheme that can be more broadly applied. We analyze the convergence of the resulting algorithm, and compare it with the state of the art through simulations in a realistic space scenario, showcasing superior performance.
• Abstract（参考訳）: ローアーアース軌道の衛星星座は現在広く使われており、位置決め、地球イメージング、通信が可能である。 本稿では,これらの衛星星座を用いた学習問題の解法について述べる。 特に、衛星がデータを収集し、局所的に処理するフェデレートされたアプローチに焦点を当て、地上局は局所的なモデルを集約する。 我々は、正確な訓練されたモデルが得られる新しいコミュニケーション効率のアルゴリズムを設計することに注力する。 この目的のために,地上局との通信回数(ローカルトレーニング)と,そのサイズ(圧縮)を減少させる機構を複数導入した。 そこで我々は,より広範に適用可能なアルゴリズムに依存しない誤りフィードバック方式である副産物として,精度を高めるエラーフィードバック機構を提案する。 得られたアルゴリズムの収束を解析し,現実的な空間シナリオにおけるシミュレーションによる最先端技術との比較を行い,優れた性能を示す。

関連論文リスト

• Joint AoI and Handover Optimization in Space-Air-Ground Integrated Network [48.485907216785904]
  ローアース軌道(LEO)衛星コンステレーションは、地球をカバーし、遅延を減少させる有望な解決策を提供する。 しかし、軌道力学による間欠的カバレッジと間欠的な通信窓に苦しむ。 我々の3層設計では、HAP-地上通信のための高容量衛星間通信と信頼性無線周波数(RF)リンクに、ハイブリッド自由空間光(FSO)リンクを用いる。
  論文  参考訳（メタデータ） (2025-09-16T06:16:56Z)
• Low-altitude UAV Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.23178920029957]
  本稿では,低高度無人航空機(UAV)による衛星海上通信システムを提案する。 安全衛星・海上通信多目的最適化問題(SSMCMOP)を定式化する。 動的かつ長期の最適化問題を解くため、マルコフ決定過程に再構成する。 次に,トランスサック (TransSAC) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• 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)
• FedSN: A Federated Learning Framework over Heterogeneous LEO Satellite Networks [18.213174641216884]
  多数の低軌道軌道(LEO)衛星が打ち上げられ、SpaceXなどの商業企業によって宇宙に投入された。 LEO衛星が搭載するマルチモーダルセンサにより、通信だけでなく、空間変調認識やリモートセンシング画像分類など、さまざまな機械学習アプリケーションにも機能する。 本稿では,これらの課題に対処するための一般FLフレームワークとしてFedSNを提案し,LEO衛星上でのデータ多様性について検討する。
  論文  参考訳（メタデータ） (2023-11-02T14:47:06Z)
• Over-the-Air Federated Learning and Optimization [52.5188988624998]
  エッジ・ザ・エア計算(AirComp)によるフェデレーション学習(FL)に焦点を当てる。 本稿では,AirComp ベースの FedAvg (AirFedAvg) アルゴリズムの凸および非凸条件下での収束について述べる。 エッジデバイス(モデル、勾配、モデル差など)で送信できるローカルアップデートの種類によって、AirFedAvgで送信するとアグリゲーションエラーが発生する可能性がある。 さらに、より実用的な信号処理方式を検討し、通信効率を改善し、これらの信号処理方式によって引き起こされるモデル集約誤差の異なる形式に収束解析を拡張する。
  論文  参考訳（メタデータ） (2023-10-16T05:49:28Z)
• Low-Earth Satellite Orbit Determination Using Deep Convolutional Networks with Satellite Imagery [0.0]
  我々は,地上局との接触をなくす際に,衛星がリアルタイムに撮影した地球の画像に頼ってその軌道を予測できるコンピュータビジョンに基づくアプローチを提案する。 他の研究とは対照的に、画像ベースのデータセットでニューラルネットワークをトレーニングし、ニューラルネットワークが軌道決定におけるデファクト標準よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-20T21:38:05Z)
• 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)
• 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。