Deep Learning Based Nonlinear Dimensionality Reduction for Emulators of Numerical Thermosphere Density Models

Modeling and forecasting of atmospheric drag for space objects in low Earth orbit (LEO) is a critical challenge for space situational awareness and environment safety and sustainability. The largest source of dynamics error or uncertainty affecting drag is the thermospheric density. Current operatio...

Celý popis

Podrobná bibliografie

Vydáno v:	2024 IEEE Congress on Evolutionary Computation (CEC) s. 1 - 9
Hlavní autoři:	Licata, Richard J., Mehta, Piyush M.
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 30.06.2024
Témata:	Atmospheric modeling Attention Computational modeling Computer architecture Convolutional Autoencoder Data models Dimensionality Reduction Low earth orbit satellites Orbital Drag Predictive models Space vehicles Thermospheric Density Emulator
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!