文献

J-GLOBAL ID：202002261783974039   整理番号：20A2444019

マルチセンサのための強化学習に基づくデータ融合法【JST・京大機械翻訳】

Reinforcement learning based data fusion method for multi-sensors

著者 (3件)： Zhou Tongle (College of Automation Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China) ,  Chen Mou (College of Automation Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China) ,  Zou Jie (Science and Technology on Electron-Optic Control Laboratory, Luoyang Institute of Electro-Optical Equipment of Avic, Luoyang 471023, China)
資料名： IEEE/CAA Journal of Automatica Sinica  (IEEE/CAA Journal of Automatica Sinica)
巻： 7  号： 6  ページ： 1489-1497  発行年： 2020年 
JST資料番号： W2424A  ISSN： 2329-9266  資料種別： 逐次刊行物 (A)
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： 検出システムロバスト性と信頼性を改善するために,マルチセンサ融合を現代の空気戦闘において使用する。本論文では,マルチセンサのための強化学習に基づくデータ融合法を開発した。最初に,立方Bスプライン補間を用いて,マルチソースデータの時間アラインメント問題を解決した。次に,融合結果を得るために,強化学習ベースのデータ融合( RLBDF εx0029法を提案した。目標の先験的知識が得られる場合,融合精度強化は,融合値と実際の値の間の誤差によって実現される。さらに,先験的知識を得ることができないならば,Fisher情報を報酬として使用した。シミュレーション結果は,開発した方式が,空中戦闘におけるマルチセンサデータ融合のために実行可能で有効であることを検証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アラインメント ,  シミュレーション ,  信頼性 ,  ロバスト性 ,  *強化学習 ,  *データ融合
準シソーラス用語： Fisher情報量 ,  マルチセンサ ,  スプライン補間 ,  検知システム ,  マルチセンサデータ融合 ,  マルチセンサフュージョン , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： マルチセンサ ,  強化学習 ,  データ融合