战争迷雾：一种预测火星天气的机器学习方法
天体物理仪器与方法
2017-06-28 v1 机器学习
神经与进化计算
摘要
十多年来，美国宇航局喷气推进实验室（JPL）的科学家们一直在记录来自火星表面的测量数据，作为火星探测车任务的一部分。其中一个关注的量是火星大气的不透明度，因为它对于日常估算探测车太阳能电池阵列可用的功率至关重要。本文提出使用神经网络作为预测火星大气不透明度的方法，该方法比当前的经验模型更有效。这些网络提供的更准确预测将使JPL的操作人员在规划未来火星日的活动时，能够更准确地预测探测车可用的能量。
引用
@article{arxiv.1706.08915,
title = {The Fog of War: A Machine Learning Approach to Forecasting Weather on Mars},
author = {Daniele Bellutta},
journal= {arXiv preprint arXiv:1706.08915},
year = {2017}
}