論文の概要: Cycle-StarNet: Bridging the gap between theory and data by leveraging large datasets

• arxiv url: http://arxiv.org/abs/2007.03109v3
• Date: Sat, 14 Nov 2020 04:00:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-13 03:11:35.336097
• Title: Cycle-StarNet: Bridging the gap between theory and data by leveraging large datasets
• Title（参考訳）: Cycle-StarNet: 大きなデータセットを活用することで理論とデータのギャップを埋める
• Authors: Teaghan O'Briain, Yuan-Sen Ting, S\'ebastien Fabbro, Kwang M. Yi, Kim Venn, Spencer Bialek
• Abstract要約: 現在のスペクトル分析の自動化手法は、(a)データ駆動であり、恒星パラメータと元素の存在量の事前の知識を必要とするか、(b)理論と実践のギャップに影響を受けやすい理論合成モデルに基づくかのいずれかである。 本研究では、シミュレーションされた恒星スペクトルを、教師なし学習を大規模分光サーベイに適用することにより、現実的なスペクトルに変換するハイブリッドな生成領域適応法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advancements in stellar spectroscopy data acquisition have made it necessary to accomplish similar improvements in efficient data analysis techniques. Current automated methods for analyzing spectra are either (a) data-driven, which requires prior knowledge of stellar parameters and elemental abundances, or (b) based on theoretical synthetic models that are susceptible to the gap between theory and practice. In this study, we present a hybrid generative domain adaptation method that turns simulated stellar spectra into realistic spectra by applying unsupervised learning to large spectroscopic surveys. We apply our technique to the APOGEE H-band spectra at R=22,500 and the Kurucz synthetic models. As a proof of concept, two case studies are presented. The first of which is the calibration of synthetic data to become consistent with observations. To accomplish this, synthetic models are morphed into spectra that resemble observations, thereby reducing the gap between theory and observations. Fitting the observed spectra shows an improved average reduced $\chi_R^2$ from 1.97 to 1.22, along with a reduced mean residual from 0.16 to -0.01 in normalized flux. The second case study is the identification of the elemental source of missing spectral lines in the synthetic modelling. A mock dataset is used to show that absorption lines can be recovered when they are absent in one of the domains. This method can be applied to other fields, which use large data sets and are currently limited by modelling accuracy. The code used in this study is made publicly available on github.
• Abstract（参考訳）: 恒星分光データ取得の進歩により、効率的なデータ解析技術の類似した改善を実現する必要がある。 現在のスペクトル分析の自動化方法は (a) 恒星パラメータや元素の存在量の事前知識を必要とするデータ駆動、又は (b)理論と実践のギャップの影響を受けやすい理論的合成モデルに基づく。 本研究では,非教師付き学習を大規模分光調査に適用することにより,シミュレーションされた恒星スペクトルを現実的なスペクトルに変換するハイブリッド生成領域適応法を提案する。 R=22,500のAPOGEE Hバンドスペクトルとクルツ合成モデルに適用した。 概念実証として、2つのケーススタディが提示される。 まず、合成データの校正が観測と一致している。 これを達成するために、合成モデルは観測に類似したスペクトルに変化し、理論と観測の間のギャップを減少させる。 観測されたスペクトルを合わせると、平均$\chi_R^2$が1.97から1.22に改善され、平均残基が0.16から0.01に減った。 第2のケーススタディは、合成モデリングにおけるスペクトル線の欠如の要素源の同定である。 モックデータセットは、ドメインの1つに存在しないときに吸収線を復元できることを示すために使用される。 この方法は、大きなデータセットを使用し、現在、モデリング精度によって制限されている他のフィールドに適用することができる。 本研究で使用されたコードはgithubで公開されている。

関連論文リスト

• Graph Generation via Spectral Diffusion [51.60814773299899]
  本稿では,1)グラフラプラシア行列のスペクトル分解と2)拡散過程に基づく新しいグラフ生成モデルGRASPを提案する。 具体的には、固有ベクトルと固有値のサンプリングにデノナイジングモデルを用い、グラフラプラシアン行列と隣接行列を再構成する。 我々の置換不変モデルは各ノードの固有ベクトルに連結することでノードの特徴を扱える。
  論文  参考訳（メタデータ） (2024-02-29T09:26:46Z)
• Data Augmentation Scheme for Raman Spectra with Highly Correlated Annotations [0.23090185577016453]
  統計的に独立なラベルを持つデータセットから追加のデータポイントを生成するために、スペクトルの付加的な性質を利用する。 これらのデータポイント上でCNNをトレーニングすることで、アノテーションがモデルトレーニングに使用されたデータセットと同じ相関関係を持たないデータセットのパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2024-02-01T18:46:28Z)
• Hodge-Aware Contrastive Learning [101.56637264703058]
  単純コンプレックスは、マルチウェイ依存によるデータのモデリングに有効である。 我々は、単純なデータを処理するための対照的な自己教師付き学習手法を開発した。
  論文  参考訳（メタデータ） (2023-09-14T00:40:07Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• The Manifold Hypothesis for Gradient-Based Explanations [55.01671263121624]
  勾配に基づく説明アルゴリズムは知覚的に整合した説明を提供する。 特徴属性がデータの接する空間と一致しているほど、知覚的に一致している傾向にあることを示す。 説明アルゴリズムは、その説明をデータ多様体と整合させるよう積極的に努力すべきである。
  論文  参考訳（メタデータ） (2022-06-15T08:49:24Z)
• Identifying charge density and dielectric environment of graphene using Raman spectroscopy and deep learning [0.0]
  グラフェンの性質に対する環境の影響はラマン分光法によって評価できる。 このような変動の影響を克服し、電荷密度や誘電体環境に応じてグラフェンラマンスペクトルを分類する深層学習モデルを開発した。
  論文  参考訳（メタデータ） (2022-02-25T00:25:01Z)
• Simpler is better: spectral regularization and up-sampling techniques for variational autoencoders [1.2234742322758418]
  ニューラルネットワークに基づく生成モデルのスペクトル挙動のキャラクタリゼーションは未解決のままである。 最近の研究は、生成的対向ネットワークと、実画像と生成画像の高周波の相違に重点を置いている。 変分オートエンコーダ(VAE)のための単純な2次元フーリエ変換に基づくスペクトル正規化損失を提案する。
  論文  参考訳（メタデータ） (2022-01-19T11:49:57Z)
• Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet Transmission Spectra [68.8204255655161]
  我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。 スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。 主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
  論文  参考訳（メタデータ） (2022-01-07T22:26:33Z)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)
• Sibling Regression for Generalized Linear Models [22.16690904610619]
  フィールド観測は多くの科学研究の基礎、特に生態学と社会科学の基礎を形成している。 このような調査を標準化された方法で実施しようとする努力にもかかわらず、観察は体系的な測定誤差を引き起こす。 このような誤りを補正する既存の非パラメトリック手法は、線形加法的雑音モデルを仮定する。 この制限に対処するための残差関数に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-07-03T04:07:11Z)
• Blind Source Separation for NMR Spectra with Negative Intensity [0.0]
  我々は、負の強度を含むNMRスペクトル分析のためのブラインド音源分離手法をベンチマークした。 FastICA、SIMPLISMA、NNMFは最高のパフォーマンス技術である。 FastICAとSIMPLISMAの精度は、過剰な(非現実的な)純粋なコンポーネントが予測されると急速に低下する。
  論文  参考訳（メタデータ） (2020-02-07T20:57:48Z)

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。