报告详情
基于监督学习的多层卫星网络星间链路预测方法
编号：108
访问权限：仅限参会人
更新：2025-07-29 13:14:04 浏览：137次
口头报告
报告开始：2025年08月03日 17:00（Asia/Shanghai）
报告时间：20min
所在会场：[O] 开幕式/大会报告 [P6] 专题工作坊一、航天装备体系工程研究创新
暂无文件
摘要
随着卫星网络中卫星轨道种类和数量迅速增长，准确、快速的预测多层卫星之间的星间链路预测成为开展卫星网络拓扑建模分析与能力评估的核心基础。针对多层卫星网络的星间链路预测问题，本文基于前沿研究成果，提出基于贝叶斯优化的全连接神经网络（BO-FCNN）模型。该模型通过引入加权损失函数，结合贝叶斯优化算法，对模型参数进行深度调优，显著提升模型预测精度与场景适应性。实验结果表明，BO-FCNN 模型的平均F1 分数达到 0.82。此外，通过 Celestrak 实际卫星数据验证，该模型在真实空间场景中同样表现优秀，为多层卫星网络的拓扑建立与分析提供了有效手段。
关键词
多层卫星网络,星间链路预测,贝叶斯,全连接神经网络
报告人
于小岚
无 航天工程大学稿件作者
全部评论
重要日期
-
会议日期
08月02日
2025
至08月04日
2025
-
07月07日 2025
初稿截稿日期
-
08月10日 2025
注册截止日期
主办单位
国防科技大学系统工程学院
联系方式
- 唐帅文
- ta******@aconf.org
- 186********
- 073*********
- 魏婉莹
- we******@aconf.org
- 151********
- 073*********
历届会议
-
2024年08月02日 中国 昆明市
第六届体系工程学术会议 -
2023年08月03日 中国 西宁市
第五届体系工程学术会议 -
2022年08月05日 中国 厦门市
第四届体系工程学术会议 -
2021年04月16日 中国 珠海市
第三届体系工程学术会议-复杂系统与体系工程管理
发表评论