Key points are not available for this paper at this time.
تتحول البيئة المحيطة بالأرض بسرعة إلى فضاء عملي مكتظ بالسكان، ويرجع ذلك أساسًا إلى زيادة المهام التجارية والاتحاديات الموجهة للخدمات. نتيجة لذلك، أصبح تطوير بنية تحتية فعالة لإدارة حركة الفضاء مطلبًا أساسيًا بشكل متزايد. في هذا الإطار، تلعب برامج مراقبة وتتبع الفضاء دورًا رئيسيًا من خلال العناية بكامل سلسلة معالجة القياسات والحفاظ على كتالوجات الكائنات المقيمة في الفضاء من خلال تحديث البيانات المدارية لكل هدف يتم تتبعه. يمثل جمع كميات هائلة من البيانات المنظمة الحالة المثالية لتقنيات قائمة على البيانات لاستخراج الأنماط والميزات المخفية. تُظهر هذه الدراسة كيف يمكن لشبكة عصبية طويلة-قصيرة الأمد متخصصة في تحليل التسلسلات الزمنية الاستفادة من نمط حياة كائن تشغيلي، والذي يتكون من حالته وتاريخه في المناورة، وأداء كشف المناورة على تسلسلات جديدة من المعلمات المدارية الواردة. تُعتبر هذه البيانات أساسية في وضع علامات بشكل تدريجي على تطور مدار الهدف، مما يميز حياته التشغيلية، والكشف عن تغييرات مرحلة المهمة. كما تساعد في توفير سياق أعمق للمشغل الذي يقوم بأي من الأنشطة المتعلقة بالتتبع التالية، مضيفة معلومات خلفية مستخرجة من المعالجة الفعالة لتاريخ الهدف.
دراسة Cipollone وآخرون (Mon,) هذا السؤال.