ترجمه فارسی مقاله پیکربندی مجدد صورت فلکی ماهواره با قابلیت یادگیری تقویتی و انجام وظایف مجدد برای برنامه های کاربردی ماموریت مهم

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Reinforcement Learning-enabled Satellite Constellation Reconfiguration and Retasking for Mission-Critical Applications
عنوان مقاله به فارسی پیکربندی مجدد صورت فلکی ماهواره با قابلیت یادگیری تقویتی و انجام وظایف مجدد برای برنامه های کاربردی ماموریت مهم
نویسندگان Hassan El Alami, Danda B. Rawat
فرمت مقاله انگلیسی PDF
تعداد صفحات 6
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Systems and Control,یادگیری ماشین , هوش مصنوعی , سیستم ها و کنترل ,
توضیحات Submitted 3 September, 2024; originally announced September 2024. , Comments: Accepted for publication in the IEEE Military Communications Conference (IEEE MILCOM 2024)
توضیحات به فارسی ارسال شده در 3 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: برای انتشار در کنفرانس ارتباطات نظامی IEEE پذیرفته شده است (IEEE MILCOM 2024)
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The development of satellite constellation applications is rapidly advancing due to increasing user demands, reduced operational costs, and technological advancements. However, a significant gap in the existing literature concerns reconfiguration and retasking issues within satellite constellations, which is the primary focus of our research. In this work, we critically assess the impact of satellite failures on constellation performance and the associated task requirements. To facilitate this analysis, we introduce a system modeling approach for GPS satellite constellations, enabling an investigation into performance dynamics and task distribution strategies, particularly in scenarios where satellite failures occur during mission-critical operations. Additionally, we introduce reinforcement learning (RL) techniques, specifically Q-learning, Policy Gradient, Deep Q-Network (DQN), and Proximal Policy Optimization (PPO), for managing satellite constellations, addressing the challenges posed by reconfiguration and retasking following satellite failures. Our results demonstrate that DQN and PPO achieve effective outcomes in terms of average rewards, task completion rates, and response times.

چکیده به فارسی (ترجمه ماشینی)

توسعه برنامه های صورت فلکی ماهواره ای به دلیل افزایش تقاضای کاربر ، کاهش هزینه های عملیاتی و پیشرفت های فناوری به سرعت در حال پیشرفت است.با این حال ، یک شکاف قابل توجه در ادبیات موجود مربوط به تنظیم مجدد و بازپرداخت موضوعات در صورتهای فلکی ماهواره ای است که این مرکز اصلی تحقیقات ما است.در این کار ، ما به طور انتقادی تأثیر خرابی ماهواره بر عملکرد صورت فلکی و الزامات کار مرتبط را ارزیابی می کنیم.برای تسهیل این تجزیه و تحلیل ، ما یک رویکرد مدل سازی سیستم را برای صورتهای فلکی ماهواره ای GPS معرفی می کنیم ، و این امکان را فراهم می کنیم تا در مورد پویایی عملکرد و استراتژی های توزیع کار ، به ویژه در سناریوهایی که در آن خرابی های ماهواره ای در طول عملیات بحرانی انجام می شود ، تحقیق کنیم.علاوه بر این ، ما تکنیک های یادگیری تقویت کننده (RL) ، به طور خاص یادگیری Q ، شیب سیاست ، شبکه Q عمیق (DQN) و بهینه سازی سیاست مجاورت (PPO) را برای مدیریت صورتهای فلکی ماهواره ای ، پرداختن به چالش های ناشی از پیکربندی و بازپس گیری زیر ماهواره معرفی می کنیم.شکستنتایج ما نشان می دهد که DQN و PPO از نظر میانگین پاداش ، نرخ تکمیل کار و زمان پاسخ به نتایج مؤثر می رسند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.