論文の概要: Learning excursion sets of vector-valued Gaussian random fields for autonomous ocean sampling

• arxiv url: http://arxiv.org/abs/2007.03722v2
• Date: Tue, 18 Aug 2020 13:32:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 19:23:49.159897
• Title: Learning excursion sets of vector-valued Gaussian random fields for autonomous ocean sampling
• Title（参考訳）: 自律海洋サンプリングのためのベクトル値ガウスランダムフィールドの学習的探索セット
• Authors: Trygve Olav Fossum, C\'edric Travelletti, Jo Eidsvik, David Ginsbourger, Kanna Rajan
• Abstract要約: 本研究では,複数の応答の所定のしきい値を超える同時超過によって定義される領域を特徴付けるための効率的な空間サンプリング手法を開発した。 具体的には,ベクトル値を持つガウス確率場の抽出の不確実性に基づく設計基準を定義する。 我々は、この基準が不明瞭な場所でのサンプリング作業の優先順位付けにどのように使われるかを示し、探索をより効果的にする。
• 参考スコア（独自算出の注目度）: 0.41998444721319217
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Improving and optimizing oceanographic sampling is a crucial task for marine science and maritime resource management. Faced with limited resources in understanding processes in the water-column, the combination of statistics and autonomous systems provide new opportunities for experimental design. In this work we develop efficient spatial sampling methods for characterizing regions defined by simultaneous exceedances above prescribed thresholds of several responses, with an application focus on mapping coastal ocean phenomena based on temperature and salinity measurements. Specifically, we define a design criterion based on uncertainty in the excursions of vector-valued Gaussian random fields, and derive tractable expressions for the expected integrated Bernoulli variance reduction in such a framework. We demonstrate how this criterion can be used to prioritize sampling efforts at locations that are ambiguous, making exploration more effective. We use simulations to study and compare properties of the considered approaches, followed by results from field deployments with an autonomous underwater vehicle as part of a study mapping the boundary of a river plume. The results demonstrate the potential of combining statistical methods and robotic platforms to effectively inform and execute data-driven environmental sampling.
• Abstract（参考訳）: 海洋科学と海洋資源管理において,海洋学的サンプリングの改善と最適化が重要な課題である。 水柱の理解過程の限られた資源に直面し、統計と自律システムの組み合わせは実験的な設計の新しい機会を提供する。 本研究では,複数の応答の所定のしきい値以上を同時に超越した領域を特徴付けるための効率的な空間サンプリング法を開発し,温度・塩分濃度測定に基づく海洋現象のマッピングに焦点をあてる。 具体的には,ベクトル値ガウス確率場の帰納法の不確実性に基づく設計基準を定め,そのような枠組みにおいて期待される統合ベルヌーイ分散還元に対する扱い可能な表現を導出する。 我々は,この基準を曖昧な場所でのサンプリング作業の優先順位付けに活用し,探索をより効果的にする方法を実証する。 河川プルームの境界をマッピングした研究の一環として, 想定したアプローチの特性をシミュレーションにより解析し, 次いで自律型水中車両によるフィールド展開の結果と比較した。 その結果,統計的手法とロボットプラットフォームを組み合わせることで,データ駆動型環境サンプリングを効果的に実施できる可能性が示唆された。

関連論文リスト

• Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
  本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。 DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。 10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-07-20T01:34:13Z)
• Dynamical Measure Transport and Neural PDE Solvers for Sampling [77.38204731939273]
  本研究では, 対象物へのトラクタブル密度関数の移動として, 確率密度からサンプリングする作業に取り組む。 物理インフォームドニューラルネットワーク(PINN)を用いて各偏微分方程式(PDE)の解を近似する。 PINNはシミュレーションと離散化のない最適化を可能にし、非常に効率的に訓練することができる。
  論文  参考訳（メタデータ） (2024-07-10T17:39:50Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
  我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。 我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。 この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
  論文  参考訳（メタデータ） (2023-04-20T19:15:02Z)
• Reservoir Prediction by Machine Learning Methods on The Well Data and Seismic Attributes for Complex Coastal Conditions [0.0]
  本研究では,データと空間特性に基づいて学習を行う機械学習の方向性を考察する。 沿岸域における地震データ解釈の難しさを考慮し, 提案手法は, 地質学的, 地質学的データ全体の総量に対応できるツールである。
  論文  参考訳（メタデータ） (2023-01-09T09:23:09Z)
• Active Exploration via Experiment Design in Markov Chains [86.41407938210193]
  科学と工学における重要な課題は、未知の量の興味について学ぶために実験を設計することである。 本稿では,最適値に収束したポリシを効率的に選択するアルゴリズムを提案する。 理論分析に加えて,生態モニタリングと薬理学の応用に関する枠組みを概説する。
  論文  参考訳（メタデータ） (2022-06-29T00:04:40Z)
• Spherical Poisson Point Process Intensity Function Modeling and Estimation with Measure Transport [0.20305676256390934]
  球面上の非同次ポアソン過程強度関数をモデル化するための新しいアプローチを提案する。 このフレームワークの中心的な考え方は、球面上の関心の根底にある強度関数を、球面上のより単純な参照、強度関数に変換するフレキシブルな単射写像を構築し、推定することである。
  論文  参考訳（メタデータ） (2022-01-24T06:46:22Z)
• Hybrid and Automated Machine Learning Approaches for Oil Fields Development: the Case Study of Volve Field, North Sea [58.720142291102135]
  本稿では,意思決定プロセスを支援する分野開発タスクにおけるインテリジェントなアプローチの利用について述べる。 我々は,油田立地最適化の問題と,その中の2つの課題に注目し,石油生産量推定の品質向上と貯水池特性の評価を行う。 実装されたアプローチは、異なる油田を解析したり、同様の物理問題に適応することができる。
  論文  参考訳（メタデータ） (2021-03-03T18:51:46Z)
• An Information-Theoretic Approach to Persistent Environment Monitoring Through Low Rank Model Based Planning and Prediction [19.95989053853125]
  本研究では,大面積の観測点を限定的に選択する手法を提案する。 対象属性の低ランクモデルと情報最大化パスプランナを組み合わせて,属性の状態を予測する。 2つの実環境データセットのシミュレーションにおいて,本手法の評価を行った。
  論文  参考訳（メタデータ） (2020-09-02T16:19:55Z)
• Nonparametric Conditional Density Estimation In A Deep Learning Framework For Short-Term Forecasting [0.34410212782758043]
  多くの機械学習技術は、対象変数の条件分布の単一点予測を与える。 本研究では,条件分布全体を同時に推定し,柔軟に機械学習技術を組み込む技術を提案する。
  論文  参考訳（メタデータ） (2020-08-17T22:31:19Z)

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。