KFU. Card publication. Разложение глобальных карт полного электронного содержания ионосферы при помощи нейронных сетей

KAZAN
FEDERAL UNIVERSITY

- RUS
- 中文
- ES

РАЗЛОЖЕНИЕ ГЛОБАЛЬНЫХ КАРТ ПОЛНОГО ЭЛЕКТРОННОГО СОДЕРЖАНИЯ ИОНОСФЕРЫ ПРИ ПОМОЩИ НЕЙРОННЫХ СЕТЕЙ

Form of presentation

Conference proceedings in Russian journals and collections

Year of publication

2024

Язык

русский

Authors, employees of KFU

Maslennikova Yuliya Sergeevna, author

Sherstyukov Oleg Nikolaevich, author

Authors, postgraduates KFU

Appalonov Artem Mikhaylovich, postgraduate kfu

Bibliographic description in the original language

Appalonov A.M., Maslennikova Yu.S., Sherstyukov O.N. Razlozhenie globalnykh kart polnogo elektronnogo soderzhaniya ionosfery pri pomoshhi neyronnykh setey // Materialy 22-y Mezhdunarodnoy konferencii «Sovremennye problemy distancionnogo zondirovaniya Zemli iz kosmosa». Moskva: IKI RAN, 2024. C. 434. DOI 10.21046/22DZZconf-2024a

Annotation

Современные проблемы дистанционного зондирования Земли из космоса

Keywords

ионосфера, полное электронное содержание, машинное обучение

The name of the journal

Современные проблемы дистанционного зондирования Земли из космоса

URL

https://shelly.kpfu.ru/e-ksu/e_personal_info.staff_anketa?p1=223&p2=26238265306627768075290633306894&p_type=9&p_year=2024&p_h=748831FEB1FA47E6C4E23A1ED3FA7066&p_form_id=&p_show_form=29&p_pub_type=29

Please use this ID to quote from or refer to the card

https://repository.kpfu.ru/eng/?p_id=307882&p_lang=2

Full metadata record

Field DC	Value	Language
dc.contributor.author	Maslennikova Yuliya Sergeevna	ru_RU
dc.contributor.author	Sherstyukov Oleg Nikolaevich	ru_RU
dc.contributor.author	Appalonov Artem Mikhaylovich	ru_RU
dc.date.accessioned	2024-01-01T00:00:00Z	ru_RU
dc.date.available	2024-01-01T00:00:00Z	ru_RU
dc.date.issued	2024	ru_RU
dc.identifier.citation	Аппалонов А.М., Масленникова Ю.С., Шерстюков О.Н. Разложение глобальных карт полного электронного содержания ионосферы при помощи нейронных сетей // Материалы 22-й Международной конференции «Современные проблемы дистанционного зондирования Земли из космоса». Москва: ИКИ РАН, 2024. C. 434. DOI 10.21046/22DZZconf-2024a	ru_RU
dc.identifier.uri	https://repository.kpfu.ru/eng/?p_id=307882&p_lang=2	ru_RU
dc.description.abstract	Современные проблемы дистанционного зондирования Земли из космоса	ru_RU
dc.description.abstract	целью данной работы является разложение карт полного электронного содержания ионосферы при помощи нейронных сетей. Одна из главных задач матричного разложение – уменьшение размерности данных для их последующего анализа. Наиболее популярным подходом для таких задач является использование нейросетевой архитектуры типа автокодировщик (autoencoder - AE)— это тип нейронной сети, предназначенной для обучения компактного представления данных [7]. Он состоит из двух основных частей: кодировщик (encoder) - эта часть принимает входные данные и сжимает их в более низкоразмерное скрытое пространство, кодировщик учится извлекать важные признаки из данных, игнорируя шум и несущественную информацию, декодировщик (decoder) - восстанавливает исходные данные по скрытому представление. Целью является минимизация различий между входными данными и восстановленными данными, что позволяет модели учиться на примерах. Более развитой архитектурой является вариационный автокодировщик (variational autoencoder – VAE). Он также состоит из тех же двух блоков, но кодировщик тут генерирует параметры распределения (среднее и дисперсию) для скрытого пространства по исходным точкам, а не переводит их в фиксированное представление, что делает более мощным инструментом для задач генерации. Для исследования качества разложения нами были выбраны глобальные карты ПЭС, полученные лабораторией JPL (NASA Jet Propulsion Laboratory), в период с 1999 по 2019 гг [8]. Всего было взято порядка 80000 карт. Для обучения были отобраны 65000 и 15000 оставлены для тестирования.	ru_RU
dc.language.iso	ru	ru_RU
dc.subject	ионосфера	ru_RU
dc.subject	полное электронное содержание	ru_RU
dc.subject	машинное обучение	ru_RU
dc.title	Разложение глобальных карт полного электронного содержания ионосферы при помощи нейронных сетей	ru_RU
dc.type	Conference proceedings in Russian journals and collections	ru_RU