Detección de anomalías en segmento terreno satelital aplicando modelo de mezcla gaussiana y rolling means al subsistema de potencia

En este trabajo exploramos la posibilidad de encontrar anomalías automáticamente en telemetría satelital real. Comparamos dos técnicas de aprendizaje automático diferentes como alternativa al control de límites clásico. Intentamos evitar, en la medida de lo posible, la intervención de un experto, de...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Soligo, Pablo, Merkel, Germán, Icraclic, Jorge
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2021
Materias:	Ciencias Informáticas Satellites Ground Segment Platform Telemetry Machine learning Data mining Anomaly detection
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/130454
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-130454
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Satellites Ground Segment Platform Telemetry Machine learning Data mining Anomaly detection
spellingShingle	Ciencias Informáticas Satellites Ground Segment Platform Telemetry Machine learning Data mining Anomaly detection Soligo, Pablo Merkel, Germán Icraclic, Jorge Detección de anomalías en segmento terreno satelital aplicando modelo de mezcla gaussiana y rolling means al subsistema de potencia
topic_facet	Ciencias Informáticas Satellites Ground Segment Platform Telemetry Machine learning Data mining Anomaly detection
description	En este trabajo exploramos la posibilidad de encontrar anomalías automáticamente en telemetría satelital real. Comparamos dos técnicas de aprendizaje automático diferentes como alternativa al control de límites clásico. Intentamos evitar, en la medida de lo posible, la intervención de un experto, detectando anomalías que no se pueden encontrar con los métodos clásicos o que se desconocen de antemano. La mezcla gaussiana y Rolling Means se aplican en la telemetría del subsistema de potencia de un satélite órbita baja. Algunos valores de telemetría se modificaron artificialmente para generar un apagado en un panel solar para intentar lograr una detección temprana por contexto o por comparación. Finalmente, se presentan los resultados y la conclusión.
format	Objeto de conferencia Objeto de conferencia
author	Soligo, Pablo Merkel, Germán Icraclic, Jorge
author_facet	Soligo, Pablo Merkel, Germán Icraclic, Jorge
author_sort	Soligo, Pablo
title	Detección de anomalías en segmento terreno satelital aplicando modelo de mezcla gaussiana y rolling means al subsistema de potencia
title_short	Detección de anomalías en segmento terreno satelital aplicando modelo de mezcla gaussiana y rolling means al subsistema de potencia
title_full	Detección de anomalías en segmento terreno satelital aplicando modelo de mezcla gaussiana y rolling means al subsistema de potencia
title_fullStr	Detección de anomalías en segmento terreno satelital aplicando modelo de mezcla gaussiana y rolling means al subsistema de potencia
title_full_unstemmed	Detección de anomalías en segmento terreno satelital aplicando modelo de mezcla gaussiana y rolling means al subsistema de potencia
title_sort	detección de anomalías en segmento terreno satelital aplicando modelo de mezcla gaussiana y rolling means al subsistema de potencia
publishDate	2021
url	http://sedici.unlp.edu.ar/handle/10915/130454
work_keys_str_mv	AT soligopablo detecciondeanomaliasensegmentoterrenosatelitalaplicandomodelodemezclagaussianayrollingmeansalsubsistemadepotencia AT merkelgerman detecciondeanomaliasensegmentoterrenosatelitalaplicandomodelodemezclagaussianayrollingmeansalsubsistemadepotencia AT icraclicjorge detecciondeanomaliasensegmentoterrenosatelitalaplicandomodelodemezclagaussianayrollingmeansalsubsistemadepotencia
bdutipo_str	Repositorios
_version_	1764820453471289345

Detección de anomalías en segmento terreno satelital aplicando modelo de mezcla gaussiana y rolling means al subsistema de potencia

Ejemplares similares