Fugu-MT 論文翻訳(概要): Adaptive Active Learning for Online Reliability Prediction of Satellite Electronics

論文の概要: Adaptive Active Learning for Online Reliability Prediction of Satellite Electronics

arxiv url: http://arxiv.org/abs/2603.09058v1
Date: Tue, 10 Mar 2026 01:04:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-11 15:25:23.91983
Title: Adaptive Active Learning for Online Reliability Prediction of Satellite Electronics
Title（参考訳）: 衛星電子のオンライン信頼性予測のための適応型能動学習
Authors: Shixiang Li, Yubin Tian, Dianpeng Wang, Piao Chen, Mengying Ren,
Abstract要約: 本稿では,新しい統合型オンライン信頼性予測フレームワークを提案する。一般化されたアレニウスリンク関数、個々のランダム効果、空間相関を組み込んだウィナープロセスに基づく劣化モデルを開発した。予測精度を適応的に向上する2段階能動学習サンプリングスキームを設計する。
参考スコア（独自算出の注目度）: 1.1309064441249301
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Accurate on-orbit reliability prediction for satellite electronics is often hindered by limited data availability, varying operational conditions, and considerable unit-to-unit variability. To overcome these obstacles, this paper proposes a novel integrated online reliability prediction framework. The main contributions are twofold. First, a Wiener process-based degradation model is developed, incorporating a generalized Arrhenius link function, individual random effects, and spatial correlations among adjacent units. A customized maximum likelihood estimation method is further devised to facilitate efficient and accurate parameter inference. Second, a two-stage active learning sampling scheme is designed to adaptively enhance prediction accuracy. This strategy initially selects representative units based on spatial configuration, and subsequently determines optimal sampling times using a comprehensive criterion that balances unit-specific information, model uncertainty, and degradation dynamics. Numerical experiments and a practical case study from the Tiangong space station demonstrate that the proposed method markedly improves reliability prediction accuracy while significantly reducing data requirements, offering an efficient solution for the prognostic and health management of complex satellite electronic systems.
Abstract（参考訳）: 衛星エレクトロニクスの正確な軌道上の信頼性予測は、限られたデータ可用性、様々な運用条件、相当なユニット・ツー・ユニットの変動によって妨げられることが多い。本稿では,これらの障害を克服するために,新しい統合型オンライン信頼性予測フレームワークを提案する。主な貢献は2つある。まず、一般化されたアレニウスリンク関数、個々のランダム効果、隣接する単位間の空間相関を組み込んだウィナー過程に基づく劣化モデルを開発した。さらに、効率的に正確なパラメータ推定を容易にするために、カスタマイズされた最大推定法を考案した。第2に、予測精度を適応的に向上する2段階能動学習サンプリングスキームを設計する。この戦略は最初、空間的構成に基づいて代表単位を選択し、その後、単位固有情報、モデル不確実性、分解ダイナミクスのバランスをとる包括的な基準を用いて最適なサンプリング時間を決定する。タンゴン宇宙ステーションの数値実験と実例実験により,提案手法はデータ要求を著しく低減し,信頼性予測精度を著しく向上し,複雑な衛星電子システムの予後・健康管理のための効率的なソリューションを提供することを示した。

関連論文リスト

Demystifying Data-Driven Probabilistic Medium-Range Weather Forecasting [63.8116386935854]
最先端の確率的スキルは、複雑なアーキテクチャ制約や専門的な訓練を必要としないことを実証する。直下型遅延空間と履歴条件付きローカルプロジェクタを組み合わせることで,マルチスケールの大気力学を学習するためのスケーラブルなフレームワークを提案する。我々のフレームワーク設計は確率的推定器の選択に頑健であり、補間、拡散モデル、CRPSに基づくアンサンブルトレーニングをシームレスにサポートする。
論文参考訳（メタデータ） (2026-01-26T03:52:16Z)
Contrastive Knowledge Transfer and Robust Optimization for Secure Alignment of Large Language Models [9.353236468990945]
本稿では,安全アライメントとロバストネスにおける大規模言語モデルの限界に対処する。コントラスト蒸留とノイズロバストトレーニングを組み合わせた微調整法を提案する。その結果,本手法は知識伝達,堅牢性,全体的な安全性において,既存のベースラインを著しく上回ることがわかった。
論文参考訳（メタデータ） (2025-10-31T00:54:33Z)
Km-scale dynamical downscaling through conformalized latent diffusion models [45.94979929172337]
高分解能気象場を粗大なシミュレーションから導き出すためには, 動的ダウンスケーリングが不可欠である。 Generative Diffusion Model(DM)は、最近、このタスクのための強力なデータ駆動ツールとして登場した。しかし、DMは過信予測に対する有限サンプル保証を欠いているため、グリッドポイントレベルの不確実性推定が誤って行われる。我々は、コンフォーマルな予測フレームワークでダウンスケーリングパイプラインを拡張することで、この問題に対処する。
論文参考訳（メタデータ） (2025-10-15T08:41:36Z)
ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
ResADは正規化された残留軌道モデリングフレームワークである。学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
論文参考訳（メタデータ） (2025-10-09T17:59:36Z)
Advancing Reliable Test-Time Adaptation of Vision-Language Models under Visual Variations [67.35596444651037]
視覚言語モデル(VLM)は、素晴らしいゼロショット機能を示すが、ラベル付きデータが利用できない場合、下流タスクの分散シフトに苦慮する。本稿では,信頼性を両面から高めるReliable Test-Time Adaptation (ReTA)法を提案する。
論文参考訳（メタデータ） (2025-07-13T05:37:33Z)
A Disentangled Representation Learning Framework for Low-altitude Network Coverage Prediction [42.71119573226285]
低高度経済の拡大は、空路設計における低高度ネットワーク被覆(LANC)予測の重要性を浮き彫りにした。専門知識に基づく特徴圧縮と非絡み合い表現学習を組み合わせた二重戦略を導入する。実験により,本フレームワークの有効性が確認され,最高のベースラインアルゴリズムと比較して7%の誤差が減少した。
論文参考訳（メタデータ） (2025-07-13T05:31:35Z)
Optimization of bi-directional gated loop cell based on multi-head attention mechanism for SSD health state classification model [2.5670390559986442]
本研究では,ストレージデバイスの健康分類の精度と安定性を高めるために,マルチヘッドアテンション機構を組み込んだハイブリッドBiGRU-MHAモデルを提案する。実験結果から,本モデルではトレーニングセットが92.70%,テストセットが92.44%,最小性能差が0.26%であった。
論文参考訳（メタデータ） (2025-06-13T22:01:57Z)
QGAPHEnsemble : Combining Hybrid QLSTM Network Ensemble via Adaptive Weighting for Short Term Weather Forecasting [0.0]
本研究は,高度な機械学習技術を用いた実践的有効性を強調した。本モデルでは,気象予測の精度と信頼性が大幅に向上したことを示す。本稿では,天気予報タスクの性能向上のために,最適化アンサンブル技術の重要性を強調した。
論文参考訳（メタデータ） (2025-01-18T20:18:48Z)
Neural Conformal Control for Time Series Forecasting [54.96087475179419]
非定常環境における適応性を高める時系列のニューラルネットワーク共形予測手法を提案する。提案手法は,ニューラルネットワークエンコーダを用いた補助的マルチビューデータを活用することにより,望ましい対象範囲を達成するために設計されたニューラルネットワークコントローラとして機能する。予測間隔の整合性に優れたキャリブレーションを組み合わさった手法は, 適用範囲と確率的精度の大幅な向上を実証的に示す。
論文参考訳（メタデータ） (2024-12-24T03:56:25Z)
ReliOcc: Towards Reliable Semantic Occupancy Prediction via Uncertainty Learning [26.369237406972577]
視覚中心のセマンティック占有予測は、自律運転において重要な役割を果たす。カメラからのセマンティック占有率を予測するための信頼性を探求する研究は、まだ少ない。本稿では,カメラによる占有ネットワークの信頼性向上を目的としたReliOccを提案する。
論文参考訳（メタデータ） (2024-09-26T16:33:16Z)
Collaborative Uncertainty Benefits Multi-Agent Multi-Modal Trajectory Forecasting [61.02295959343446]
この研究はまず、相互作用モジュールから生じる不確実性をモデル化する新しい概念であるコラボレーティブ不確実性(CU)を提案する。我々は、回帰と不確実性推定の両方を行うために、元の置換同変不確かさ推定器を備えた一般的なCU対応回帰フレームワークを構築した。提案するフレームワークを,プラグインモジュールとして現在のSOTAマルチエージェント軌道予測システムに適用する。
論文参考訳（メタデータ） (2022-07-11T21:17:41Z)

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。