Összesen 1 találat.
#/oldal:
Részletezés:
Rendezés:

1.

001-es BibID:BIBFORM095824
Első szerző:Aldabbas, Ashraf Khaled Abd Elkareem (informatikus)
Cím:Deep Learning-Based Method for Detecting Cassini-Huygens Spacecraft Trajectory Modifications / Ashraf ALDabbas, Zoltán Gál
Dátum:2020
ISSN:1613-0073
Megjegyzések:During the last 13.5 year motion cycle of the interplanetary research project, there were necessary flight path modifications of the Cassini spacecraft. In the order of signal travel time (approximatively 80 minutes) on the Earth-Cassini long sized channel, complex event detection of orbital modifications requires special investigation and analysis of the collected large trajectory dataset. This paper presents a sophisticated, in-depth learning approach for detecting Cassini spacecraft's trajectory modifications in postprocessing mode. The model uses neural networks with Long Short-Term Memory (LSTM) to extract useful data and learn the time series' inner data pattern, together with the penetrability of the LSTM layers distinguish dependencies between the long- and short-term phases.
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
Megjelenés:Proceedings of the 1st Conference on Information Technology and Data Science / eds. István Fazekas, András Hajdu, Tibor Tómács. - p. 19-31. -
További szerzők:Gál Zoltán (1966-) (informatikus)
Pályázati támogatás:EFOP-3.6.3-VEKOP-16-2017-00002
EFOP
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Szerző által megadott URL
Borító:
Rekordok letöltése1