文献

J-GLOBAL ID：201702259132645797   整理番号：17A1253307

マルチUAS経路計画のための通信効率的な分散Gauss過程融合【Powered by NICT】

Communication efficient decentralized Gaussian Process Fusion for multi-UAS path planning

著者 (2件)： Allamraju Rakshit (Department of Mechanical and Aerospace Engineering, Oklahoma State University, Stillwater, 74075, USA) ,  Chowdhary Girish (Agricultural and Biological Engineering and Coordinated Science Lab at the University of Illinois at Urbana Champaign, 61821, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ACC  ページ： 4442-4447  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 自律ネットワークセンシング剤のチームを用いた時空間現象のセンシングと学習(回帰)のための分散,通信効率的方法を示した。Gauss過程(GP)事前分布は未知関数についてのBayes回帰フレームワークで利用され,通信効率的な分散GP推論アルゴリズムとそれに関連した剤経路計画戦略の導入をされている主要な寄与であった。著者らの方法は,GPモデルパラメータを交換することによってエージェント間の通信を減らすことに依存し,実際の測定データの代わりに。地球GPモデルは,政策反復計画フレームワークを用いたセンシング空間の探索を最大化するために活用した。提示した方法の性能を最新のコンセンサスに基づくとGP DDF法に対して比較し,必要な通信を削減しながら,提示した方法は回帰精度の有意な改善を提供することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *経路探索 ,  学習 ,  エージェント ,  地球 ,  *Gauss過程 ,  アルゴリズム
準シソーラス用語： 政策反復 ,  モデルパラメータ ,  事前分布 ,  自律性 ,  *通信効率 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： マルチ ,  経路計画 ,  通信効率 ,  Gauss過程 ,  融合