論文の概要: Stochastic Calibration of Radio Interferometers

• arxiv url: http://arxiv.org/abs/2003.00986v2
• Date: Tue, 3 Mar 2020 10:42:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 05:52:18.931152
• Title: Stochastic Calibration of Radio Interferometers
• Title（参考訳）: 電波干渉計の確率校正
• Authors: Sarod Yatawatta
• Abstract要約: 多くのデータ処理ステップは、限られた計算リソースを使用して処理する必要があるデータ量に圧倒されます。 そこで我々は,キャリブレーションの解を得るために,最小限のデータのみを読み込む「確率的」キャリブレーション戦略を提案する。
• 参考スコア（独自算出の注目度）: 2.4366811507669115
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With ever increasing data rates produced by modern radio telescopes like LOFAR and future telescopes like the SKA, many data processing steps are overwhelmed by the amount of data that needs to be handled using limited compute resources. Calibration is one such operation that dominates the overall data processing computational cost, nonetheless, it is an essential operation to reach many science goals. Calibration algorithms do exist that scale well with the number of stations of an array and the number of directions being calibrated. However, the remaining bottleneck is the raw data volume, which scales with the number of baselines, and which is proportional to the square of the number of stations. We propose a 'stochastic' calibration strategy where we only read in a mini-batch of data for obtaining calibration solutions, as opposed to reading the full batch of data being calibrated. Nonetheless, we obtain solutions that are valid for the full batch of data. Normally, data need to be averaged before calibration is performed to accommodate the data in size-limited compute memory. Stochastic calibration overcomes the need for data averaging before any calibration can be performed, and offers many advantages including: enabling the mitigation of faint radio frequency interference; better removal of strong celestial sources from the data; and better detection and spatial localization of fast radio transients.
• Abstract（参考訳）: LOFARのような現代の電波望遠鏡やSKAのような将来の望遠鏡が生み出すデータレートの増加とともに、多くのデータ処理ステップは、限られた計算資源を使って扱う必要があるデータ量に圧倒される。 キャリブレーションは、データ処理全体の計算コストを支配するような操作の1つだが、それでも多くの科学目標を達成するためには必須の操作である。 キャリブレーションアルゴリズムは、配列のステーション数と方向のキャリブレーションの回数によく合致する。 しかし、残りのボトルネックは、ベースライン数に比例してスケールし、ステーション数の二乗に比例する生データボリュームである。 そこで我々は,キャリブレーションされたデータの全バッチを読み取るのではなく,キャリブレーションソリューションを得るために,データのミニバッチのみを読み込む「確率的」キャリブレーション戦略を提案する。 それにもかかわらず、我々は全データのバッチで有効なソリューションを得る。 通常、データはキャリブレーション前に平均化され、サイズ制限の計算メモリに格納される。 確率的キャリブレーションは、キャリブレーションが行われる前にデータ平均化の必要性を克服し、かすかな電波干渉の緩和、データからの強い天体源の除去の改善、高速無線トランジェントの検出と空間的局在の改善など、多くの利点を提供している。

関連論文リスト

• UniCal: Unified Neural Sensor Calibration [32.7372115947273]
  自動運転車(SDV)には、LiDARとカメラの正確な校正が必要である。 従来のキャリブレーション手法では、制御され構造化されたシーンでキャプチャされたフィデューシャルを利用し、処理を最適化するために対応を計算する。 我々は、複数のLiDARとカメラを備えたSDVを強制的に校正する統合フレームワークUniCalを提案する。
  論文  参考訳（メタデータ） (2024-09-27T17:56:04Z)
• ForeCal: Random Forest-based Calibration for DNNs [0.0]
  我々はランダム森林に基づく新しいポストホックキャリブレーションアルゴリズムであるForeCalを提案する。 ForeCalはランダム森林の2つのユニークな特性を生かしている。 ForeCal は,AUC が測定した基準の識別力に最小限の影響を与え,予測誤差(ECE) で既存手法より優れることを示す。
  論文  参考訳（メタデータ） (2024-09-04T04:56:41Z)
• Orthogonal Causal Calibration [55.28164682911196]
  我々は、任意の損失$ell$に対して、任意の因果パラメータのキャリブレーション誤差$theta$の一般的な上限を証明した。 我々は、因果校正のための2つのサンプル分割アルゴリズムの収束解析に境界を用いる。
  論文  参考訳（メタデータ） (2024-06-04T03:35:25Z)
• Deep Ensemble Shape Calibration: Multi-Field Post-hoc Calibration in Online Advertising [8.441925127670308]
  eコマース広告のシナリオでは、Click-Through Rate(CTR)とConversion Rate(CVR)に基づいて真の確率(キャリブレーションされた見積)を推定することが重要である。 従来の研究では、キャリブレーション問題に対処するためのソリューションが数多く導入されている。 本稿では,関数表現機能とデータ利用機能の両方を強化する革新的な基底キャリブレーション機能を提案する。
  論文  参考訳（メタデータ） (2024-01-17T11:41:11Z)
• Rethinking Data Distillation: Do Not Overlook Calibration [26.71428572752137]
  蒸留されたデータは, (i) 最大ロジットのより集中的な分布と (ii) 意味論的だが分類タスクとは無関係な情報の喪失により, 校正不能なネットワークにつながることを示す。 本研究では, 蒸留データの限界を緩和し, キャリブレーションの精度を向上するMasked Temperature Scaling (MTS) と Masked Distillation Training (MDT) を提案する。
  論文  参考訳（メタデータ） (2023-07-24T00:53:46Z)
• On the Size and Approximation Error of Distilled Sets [57.61696480305911]
  カーネル・インジェクション・ポイント(Kernel Inducing Points)などのデータセット蒸留のカーネル・リッジ回帰に基づく手法について理論的に考察する。 我々は、RFF空間におけるその解が元のデータの解と一致するように、元の入力空間に小さな一組のインスタンスが存在することを証明した。 KRR溶液は、全入力データに最適化されたKRR溶液に対して近似を与えるこの蒸留されたインスタンスセットを用いて生成することができる。
  論文  参考訳（メタデータ） (2023-05-23T14:37:43Z)
• MOISST: Multimodal Optimization of Implicit Scene for SpatioTemporal calibration [4.405687114738899]
  コンピュータグラフィックスと暗黙のボリュームシーン表現の最近の進歩を利用して、マルチセンサ空間と時間的キャリブレーションの問題に取り組む。 本手法は,非制御・非構造都市環境におけるデータからの高精度でロバストなキャリブレーションを可能にする。 本研究では,都市部における自律走行シナリオにおける手法の精度とロバスト性を実証する。
  論文  参考訳（メタデータ） (2023-03-06T11:59:13Z)
• SreaMRAK a Streaming Multi-Resolution Adaptive Kernel Algorithm [60.61943386819384]
  既存のKRRの実装では、すべてのデータがメインメモリに格納される必要がある。 KRRのストリーミング版であるStreaMRAKを提案する。 本稿では,2つの合成問題と2重振り子の軌道予測について紹介する。
  論文  参考訳（メタデータ） (2021-08-23T21:03:09Z)
• Localized Calibration: Metrics and Recalibration [133.07044916594361]
  完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。 次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
  論文  参考訳（メタデータ） (2021-02-22T07:22:12Z)
• Uncertainty Quantification and Deep Ensembles [79.4957965474334]
  ディープアンサンブルが必ずしもキャリブレーション特性の改善につながるとは限らないことを示す。 そこで本研究では,混成正規化などの現代的な手法と併用して標準アンサンブル法を用いることで,キャリブレーションの少ないモデルが得られることを示す。 このテキストは、データが不足しているときにディープラーニングを活用するために、最も単純で一般的な3つのアプローチの相互作用を調べる。
  論文  参考訳（メタデータ） (2020-07-17T07:32:24Z)
• Unsupervised Calibration under Covariate Shift [92.02278658443166]
  ドメインシフト下でのキャリブレーションの問題を導入し、それに対処するための重要サンプリングに基づくアプローチを提案する。 実世界のデータセットと合成データセットの両方において,本手法の有効性を評価し検討した。
  論文  参考訳（メタデータ） (2020-06-29T21:50:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。