为火星科学实验室地面数据系统中的数据 accountability 问题调谐变分自编码器
机器学习
2020-06-09 v1 最优化与控制
机器学习
摘要
火星好奇号巡视器频繁发回工程与科学数据，这些数据在抵达任务操作中心最终目的地前需经过一系列系统流水线，因而易出现数据量丢失与数据损坏。一个地面数据分析（GDSA）团队负责监测该信息流并检测其中的异常，以便在必要时请求重传。本文提出 -MADS，一种无导数优化方法，用于调谐变分自编码器的架构与超参数，该自编码器经训练可检测含缺失块的数据，以协助 GDSA 团队执行其任务。
引用
@article{arxiv.2006.03962,
title = {Tuning a variational autoencoder for data accountability problem in the Mars Science Laboratory ground data system},
author = {Dounia Lakhmiri and Ryan Alimo and Sebastien Le Digabel},
journal= {arXiv preprint arXiv:2006.03962},
year = {2020}
}