ترجمه فارسی مقاله برنامه ریزی ماهواره رصد زمین با شبکه های عصبی نمودار

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 Earth Observation Satellite Scheduling with Graph Neural Networks
عنوان مقاله به فارسی برنامه ریزی ماهواره رصد زمین با شبکه های عصبی نمودار
نویسندگان Antoine Jacquet, Guillaume Infantes, Nicolas Meuleau, Emmanuel Benazera, Stéphanie Roussel, Vincent Baudoui, Jonathan Guerra
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Artificial Intelligence,Machine Learning,Systems and Control,هوش مصنوعی , یادگیری ماشین , سیستم ها و کنترل ,
توضیحات Submitted 27 August, 2024; originally announced August 2024. , Comments: Accepted at 17th European Workshop on Reinforcement Learning (EWRL 2024)
توضیحات به فارسی ارسال شده در 27 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: پذیرفته شده در هفدهمین کارگاه اروپا در مورد یادگیری تقویت (EWRL 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 Earth Observation Satellite Planning (EOSP) is a difficult optimization problem with considerable practical interest. A set of requested observations must be scheduled on an agile Earth observation satellite while respecting constraints on their visibility window, as well as maneuver constraints that impose varying delays between successive observations. In addition, the problem is largely oversubscribed: there are much more candidate observations than what can possibly be achieved. Therefore, one must select the set of observations that will be performed while maximizing their weighted cumulative benefit, and propose a feasible schedule for these observations. As previous work mostly focused on heuristic and iterative search algorithms, this paper presents a new technique for selecting and scheduling observations based on Graph Neural Networks (GNNs) and Deep Reinforcement Learning (DRL). GNNs are used to extract relevant information from the graphs representing instances of the EOSP, and DRL drives the search for optimal schedules. Our simulations show that it is able to learn on small problem instances and generalize to larger real-world instances, with very competitive performance compared to traditional approaches.

چکیده به فارسی (ترجمه ماشینی)

برنامه ریزی ماهواره ای مشاهده زمین (EOSP) یک مشکل بهینه سازی دشوار با علاقه عملی قابل توجه است.مجموعه ای از مشاهدات درخواستی باید ضمن احترام به محدودیت های پنجره دید آنها ، و همچنین محدودیت های مانور که تأخیرهای مختلفی را بین مشاهدات پی در پی تحمیل می کند ، بر روی ماهواره مشاهده زمین چابک برنامه ریزی شود.علاوه بر این ، این مشکل تا حد زیادی شرح داده شده است: مشاهدات کاندیدای بسیار بیشتری از آنچه ممکن است حاصل شود وجود دارد.بنابراین ، باید مجموعه ای از مشاهدات را انتخاب کنید که ضمن به حداکثر رساندن سود تجمعی آنها انجام می شود و یک برنامه امکان پذیر برای این مشاهدات پیشنهاد می کند.از آنجا که کارهای قبلی بیشتر روی الگوریتم های جستجوی اکتشافی و تکراری متمرکز بود ، این مقاله یک تکنیک جدید برای انتخاب و برنامه ریزی مشاهدات بر اساس شبکه های عصبی نمودار (GNN) و یادگیری عمیق (DRL) ارائه می دهد.GNN ها برای استخراج اطلاعات مربوطه از نمودارهایی که نمونه های EOSP را نشان می دهند ، استفاده می شود و DRL جستجوی برنامه های بهینه را هدایت می کند.شبیه سازی های ما نشان می دهد که قادر به یادگیری در موارد مشکل کوچک و تعمیم در نمونه های بزرگتر در دنیای واقعی ، با عملکرد بسیار رقابتی در مقایسه با رویکردهای سنتی است.

📚 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.