Fugu-MT 論文翻訳(概要): Triad State Space Construction for Chaotic Signal Classification with Deep Learning

論文の概要: Triad State Space Construction for Chaotic Signal Classification with Deep Learning

arxiv url: http://arxiv.org/abs/2003.11931v1
Date: Thu, 26 Mar 2020 14:15:41 GMT
ステータス: 処理完了
システム内更新日: 2022-12-19 21:21:36.246597
Title: Triad State Space Construction for Chaotic Signal Classification with Deep Learning
Title（参考訳）: 深層学習を用いたカオス信号分類のための3次元状態空間構築
Authors: Yadong Zhang and Xin Chen
Abstract要約: Triad State Space Construction (TSSC) はカオス時系列の効率的な画像符号化方式である。 TSSC画像は、高次時間パターンを認識し、Bandt-Pompe確率を超える時系列モチーフにおいて、新しい禁止領域を特定することができる。 Convolutional Neural Network (ConvNet) は画像分類において広く使われている。
参考スコア（独自算出の注目度）: 3.419406971620478
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Inspired by the well-known permutation entropy (PE), an effective image encoding scheme for chaotic time series, Triad State Space Construction (TSSC), is proposed. The TSSC image can recognize higher-order temporal patterns and identify new forbidden regions in time series motifs beyond the Bandt-Pompe probabilities. The Convolutional Neural Network (ConvNet) is widely used in image classification. The ConvNet classifier based on TSSC images (TSSC-ConvNet) are highly accurate and very robust in the chaotic signal classification.
Abstract（参考訳）: The well-known permutation entropy (PE), a effective image encoding scheme for chaotic time series, Triad State Space Construction (TSSC) が提案されている。 tssc画像は、高次時間パターンを認識し、バンド・ポンペ確率を超えた時系列モチーフの新たな禁止領域を識別することができる。 Convolutional Neural Network (ConvNet) は画像分類において広く使われている。 TSSC画像(TSSC-ConvNet)に基づくConvNet分類器は、カオス信号分類において非常に正確で、非常に堅牢である。

関連論文リスト

TBSN: Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
BSN(Blind-spot Network)は、自己教師型イメージデノベーション(SSID)において一般的なネットワークアーキテクチャである。本稿では, ブラインドスポット要求を満たす変圧器演算子の解析と再設計により, 変圧器ベースブラインドスポットネットワーク(TBSN)を提案する。空間的自己注意のために、注意行列に精巧なマスクを適用して受容場を制限し、拡張された畳み込みを模倣する。チャネル自己アテンションについては,マルチスケールアーキテクチャの深層部において,チャネル数が空間的サイズよりも大きい場合,盲点情報を漏洩する可能性がある。
論文参考訳（メタデータ） (2024-04-11T15:39:10Z)
NAC-TCN: Temporal Convolutional Networks with Causal Dilated Neighborhood Attention for Emotion Understanding [60.74434735079253]
畳み込みTCN(NAC-TCN)を用いた近傍注意法を提案する。これを実現するために、Dilated Neighborhood Attentionの因果バージョンを導入し、畳み込みを組み込んだ。我々のモデルは、標準的な感情認識データセットに少ないパラメータを必要としながら、TCN、TCL、LSTM、GRUに匹敵する、より優れた、あるいは最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2023-12-12T18:41:30Z)
Sharpend Cosine Similarity based Neural Network for Hyperspectral Image Classification [0.456877715768796]
ハイパースペクトル画像分類(HSIC)は、高いクラス間類似度と変動性、ネスト領域、重なり合いのため難しい課題である。 2D畳み込みニューラルネットワーク(CNN)は有効なネットワークとして登場したが、3D CNNは正確な分類のため、より良い代替手段である。本稿では,HSICのためのニューラルネットワークにおける畳み込みの代替として,SCS(Sharpened Cosine similarity)の概念を紹介する。
論文参考訳（メタデータ） (2023-05-26T07:04:00Z)
DCN-T: Dual Context Network with Transformer for Hyperspectral Image Classification [109.09061514799413]
複雑な撮像条件による空間変動のため,HSI分類は困難である。本稿では,HSIを高品質な三スペクトル画像に変換する三スペクトル画像生成パイプラインを提案する。提案手法は,HSI分類における最先端手法よりも優れている。
論文参考訳（メタデータ） (2023-04-19T18:32:52Z)
DyCSC: Modeling the Evolutionary Process of Dynamic Networks Based on Cluster Structure [1.005130974691351]
動的クラスタ構造制約モデル(DyCSC)と呼ばれる新しい時間ネットワーク埋め込み手法を提案する。 DyCSCは、ネットワーク内のノードの傾向に時間的制約を課すことで、時間的ネットワークの進化を捉えている。複数の時間リンク予測タスクにおいて、競合する手法をかなりのマージンで一貫して上回る。
論文参考訳（メタデータ） (2022-10-23T10:23:08Z)
PINs: Progressive Implicit Networks for Multi-Scale Neural Representations [68.73195473089324]
周波数符号化のインクリメンタルな集合に階層構造を露出するプログレッシブな位置符号化を提案する。本モデルでは,広帯域のシーンを正確に再構成し,プログレッシブなディテールでシーン表現を学習する。いくつかの2次元および3次元データセットの実験では、ベースラインと比較して、再構築精度、表現能力、トレーニング速度が改善されている。
論文参考訳（メタデータ） (2022-02-09T20:33:37Z)
CSG-Stump: A Learning Friendly CSG-Like Representation for Interpretable Shape Parsing [78.48427573572778]
CSG-Stump Netは、ポイントクラウドから形状を学習するための教師なしのエンドツーエンドネットワークである。 CSG-Stumpは表現の点でCSGと等価であることが証明されている。
論文参考訳（メタデータ） (2021-08-25T16:08:39Z)
SpectralFormer: Rethinking Hyperspectral Image Classification with Transformers [91.09957836250209]
ハイパースペクトル(HS)画像は、ほぼ連続したスペクトル情報によって特徴づけられる。 CNNは、HS画像分類において強力な特徴抽出器であることが証明されている。我々は、HS画像分類のためのulSpectralFormerと呼ばれる新しいバックボーンネットワークを提案する。
論文参考訳（メタデータ） (2021-07-07T02:59:21Z)
Classification of multivariate weakly-labelled time-series with attention [0.0]
弱いラベル付き時系列は、ノイズと重大な冗長性を含む時系列である。本稿では,サブシーケンスの文脈関連を活用し,分類精度を向上させる手法を提案する。
論文参考訳（メタデータ） (2021-02-16T16:05:38Z)
Hyperspectral Image Classification with Spatial Consistence Using Fully Convolutional Spatial Propagation Network [9.583523548244683]
深部畳み込みニューラルネットワーク(CNN)は、高スペクトル画像(HSI)を表現できる印象的な能力を示している本稿では,HSI分類のための新しいエンドツーエンドの画素間完全畳み込み空間伝搬ネットワーク(FCSPN)を提案する。 FCSPNは3次元完全畳み込みネットワーク(3D-FCN)と畳み込み空間伝播ネットワーク(CSPN)からなる。
論文参考訳（メタデータ） (2020-08-04T09:05:52Z)

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。