Optical stabilization for laser communication satellite systems through proportional–integral–derivative (PID) control and reinforcement learning approach

Публикации

?

Optical stabilization for laser communication satellite systems through proportional–integral–derivative (PID) control and reinforcement learning approach

Review of Scientific Instruments. 2025. Vol. 96. No. 3.

Бахшалиев Р. М., Reutov A., Vorobey S., Katanskiy A., Balakirev V., Barbyshev K., Merzlinkin V., Tekaev V.

Язык: английский

DOI

Текст на другом сайте

Protecting quantum states via the super-Zeno effect and anticoherence

Chryssomalakos C., Flores-Delgado A. G., Guzman Gonzalez E. и др., Physical Review A: Atomic, Molecular, and Optical physics 2026 Vol. 113 Article L060404

Добавлено: 3 июня 2026 г.

Learning-Based UAV–RIS Secure Communication Under Eavesdropper Location Uncertainty

Ehab S. Suleiman, Ali J. Dayoub, , in: Proceedings of the 2026 8th International Youth Conference on Radio Electronics, Electrical and Power Engineering (REEPE).: IEEE, 2026. Ch. 165 P. 1–6.

Добавлено: 30 апреля 2026 г.

Optimization of the Accelerator Control by Reinforcement Learning: A Simulation-Based Approach

Ибрахим А., Деркач Д. А., Petrenko A. и др., Physics of Particles and Nuclei 2025 Vol. 56 No. 6 P. 1476–1481

Добавлено: 16 марта 2025 г.

Adaptive Algorithm for Selecting the Optimal Trading Strategy Based on Reinforcement Learning for Managing a Hedge Fund

Belyakov B., Сизых Д. С., IEEE Access 2024 Vol. 12 P. 189047–189063

В управлении хедж-фондами способность динамически выбирать оптимальные торговые стратегии имеет первостепенное значение для максимизации доходности и снижения риска. В этой статье представлен новаторский подход, который интегрирует обучение с подкреплением (RL), в частности алгоритм оптимизации проксимальной политики (PPO), в процесс выбора стратегии для управления хедж-фондами. Наша модель рассматривает разнообразный спектр стратегий, включая возврат к среднему и ...

Добавлено: 15 января 2025 г.

Improving GFlowNets with Monte Carlo Tree Search

Морозов Н. В., Тяпкин Д. Н., Самсонов С. В. и др., , in: ICML 2024 Workshop on Structured Probabilistic Inference & Generative Modeling.: OpenReview, 2024.

Добавлено: 24 октября 2024 г.

Geometric quantum discord of an arbitrary two-qudit state: Exact value and general upper bounds

Elena R. Loubenets, Louis Hanotel, Physical Review A: Atomic, Molecular, and Optical physics 2024 Vol. 110 No. 3 Article 032410

The geometric quantum discord of a two-qudit state has been studied in many papers; however, its exact analytical value in the explicit form is known only for a general two-qubit state, a general qubit-qudit state, and some special families of two-qudit states. Based on the general Bloch vectors formalism [E. R. Loubenets et al., J. Phys. A: ...

Добавлено: 11 сентября 2024 г.

Output Power of III-V Injection Microdisk and Microring Lasers

Natalia V. Kryzhanovskaya, Eduard I. Moiseev, Alexey M. Nadtochiy и др., IEEE Journal on Selected Topics in Quantum Electronics 2025 Vol. 31 No. 2 Article 1501312

Добавлено: 10 сентября 2024 г.

Geometric quantum discord of an arbitrary two-qudit state: the exact value and general upper bounds

Elena R. Loubenets, Louis Hanotel, / Series arxiv/org "quant-ph". 2024. No. https://arxiv.org/abs/2403.09342.

Добавлено: 16 марта 2024 г.

Quantifying Bell nonlocality of a pure two-qudit state via its entanglement

Elena R. Loubenets, Sergey Kuznetsov, Louis Hanotel, Journal of Physics A: Mathematical and Theoretical 2024 Vol. 57 No. 5 Article 055302

Добавлено: 6 января 2024 г.

When to Switch: Planning and Learning for Partially Observable Multi-Agent Pathfinding

Skrynnik A., Andreychuk A., Яковлев К. С. и др., IEEE Transactions on Neural Networks and Learning Systems 2024 Vol. 35 No. 12 P. 17411–17424

Добавлено: 4 декабря 2023 г.

Dealing With Sparse Rewards Using Graph Neural Networks

Gerasyov Matvey, Макаров И. А., IEEE Access 2023 Vol. 11 P. 89180–89187

Добавлено: 28 августа 2023 г.

Artificial Intelligence and Mathematical Models of Power Grids Driven by Renewable Energy Sources: A Survey

Сринивасан С., Kumarasamy S., Andreadakis Z. и др., Energies 2023 Vol. 16 No. 14 Article 5383

Добавлено: 17 июля 2023 г.

Maximum Entropy Model-based Reinforcement Learning

Свидченко О. А., Шпильман А. А., , in: NeurIPS'2021 Deep Reinforcement Learning Workshop.: [б.и.], 2021.

Добавлено: 24 марта 2022 г.

Self-Imitation Learning from Demonstrations

Иванов Д. И., Пшихачев Г. А., Егоров В. С. и др., , in: NeurIPS'2021 Deep Reinforcement Learning Workshop.: [б.и.], 2021.

Добавлено: 24 марта 2022 г.

NeurIPS'2021 Deep Reinforcement Learning Workshop

[б.и.], 2021.

Добавлено: 24 марта 2022 г.

21st IEEE International Conference on Data Mining Workshops, ICDMW 2021

IEEE Computer Society, 2021.

Добавлено: 4 февраля 2022 г.

Accuracy of the quantum regression theorem for photon emission from a quantum dot

Cosacchi M., Seidelmann T., Cygorek M. и др., Physical Review Letters 2021 Vol. 127 No. 10 Article 100402

Добавлено: 26 сентября 2021 г.

Proceedings of the 5th International Electronic Conference on Entropy and Its Applications

MDPI AG, 2020.

Добавлено: 13 марта 2020 г.

A Solution of Gaussian Optimizer Conjecture for Quantum Channels, , 3 (2015),

Холево А. С., Giovannetti V., Garcia-Patron R., Communications in Mathematical Physics 2015 Vol. 334 No. 3 P. 1553–1571

Добавлено: 15 марта 2015 г.