Fugu-MT 論文翻訳(概要): Supervised Neural Networks for RFI Flagging

論文の概要: Supervised Neural Networks for RFI Flagging

arxiv url: http://arxiv.org/abs/2007.14996v1
Date: Wed, 29 Jul 2020 06:57:36 GMT
ステータス: 処理完了
システム内更新日: 2022-11-05 21:03:34.452298
Title: Supervised Neural Networks for RFI Flagging
Title（参考訳）: RFIフラッグングのためのスーパービジョンニューラルネットワーク
Authors: Kyle Harrison, Amit Kumar Mishra
Abstract要約: 既存のRFIフラグング技術であるAOFlaggerを基盤として、実測データをフラグングするための2つの機械学習アプローチを実証した。この方法では、ベースライン毎のブールフラグマップを高い精度で予測することができ、リコールは0.69、精度は0.83、アンF1スコアは0.75である。
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: Neural network (NN) based methods are applied to the detection of radio frequency interference (RFI) in post-correlation,post-calibration time/frequency data. While calibration doesaffect RFI for the sake of this work a reduced dataset inpost-calibration is used. Two machine learning approachesfor flagging real measurement data are demonstrated usingthe existing RFI flagging technique AOFlagger as a groundtruth. It is shown that a single layer fully connects networkcan be trained using each time/frequency sample individuallywith the magnitude and phase of each polarization and Stokesvisibilities as features. This method was able to predict aBoolean flag map for each baseline to a high degree of accuracy achieving a Recall of 0.69 and Precision of 0.83 and anF1-Score of 0.75.
Abstract（参考訳）: ニューラルネットワーク(nn)に基づく手法を、後相関、後平衡時間/周波数データにおける電波干渉(rfi)の検出に適用する。この作業のために、キャリブレーション完了RFIを使用する一方で、データセットのインポスト校正が削減される。実測データをフラグ付けするための2つの機械学習アプローチを,既存のRFIフラグ付け技術であるAOFlaggerを用いて実証した。各分極の大きさと位相を特徴として、各時間/周波数サンプルを用いてネットワークを完全接続した単一層を訓練できることが示されている。この方法では、ベースライン毎のアブーリアンフラッグマップを高い精度で予測でき、リコールが 0.69、精度が 0.83、精度が anf1-score が 0.75 であった。

関連論文リスト

Fast Information Streaming Handler (FisH): A Unified Seismic Neural Network for Single Station Real-Time Earthquake Early Warning [56.45067876391473]
既存のEEWアプローチは、フェーズの選択、位置推定、大きさ推定を独立したタスクとして扱い、統一されたフレームワークを欠いている。我々は高速情報ストリーミングハンドラー(FisH)と呼ばれる新しい統合型地震波ニューラルネットワークを提案する。 FisHは、リアルタイムストリーミング地震データを処理し、位相選択、位置推定、大きさ推定をエンドツーエンドで同時生成するように設計されている。
論文参考訳（メタデータ） (2024-08-13T04:33:23Z)
RADIANCE: Radio-Frequency Adversarial Deep-learning Inference for Automated Network Coverage Estimation [8.92389724627982]
RADIANCEは、室内シナリオでRFマップを合成するためのGAN(Generative Adversarial Network)ベースのアプローチである。その結果、RADIANCEは平均平均誤差0.09、ルート平均二乗誤差(RMSE)0.29、ピーク信号-雑音比(PSNR)10.78、マルチスケール構造類似度指数(MS-SSIM)0.80を達成した。
論文参考訳（メタデータ） (2023-08-21T09:33:20Z)
The phase unwrapping of under-sampled interferograms using radial basis function neural networks [9.542104521099937]
ニューラルネットワークは、2次元の干渉図から位相を解き放つように設計されている。ネットワークは、勾配に基づく教師あり学習を用いて、並列および3段階のトレーニングを行うことができる。
論文参考訳（メタデータ） (2022-10-19T13:30:38Z)
NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文参考訳（メタデータ） (2022-09-29T04:06:00Z)
RF Signal Classification with Synthetic Training Data and its Real-World Performance [0.0]
本稿では,実環境における実環境性能に対する合成訓練データにモデル化された異なるRF信号障害の影響について検討する。念入りに設計された合成トレーニングデータのみを使用することで、実世界の操作において最大95%の精度を達成できる。
論文参考訳（メタデータ） (2022-06-26T20:47:33Z)
Learning Frequency Domain Approximation for Binary Neural Networks [68.79904499480025]
フーリエ周波数領域における符号関数の勾配を正弦関数の組み合わせを用いて推定し,BNNの訓練を行う。いくつかのベンチマークデータセットとニューラルネットワークの実験により、この手法で学習したバイナリネットワークが最先端の精度を達成することが示されている。
論文参考訳（メタデータ） (2021-03-01T08:25:26Z)
Raspberry Pi Based Intelligent Robot that Recognizes and Places Puzzle Objects [1.1470070927586016]
非線形2次差分プロット(SODP)は、心不全(CHF)患者の診断に用いられる。構築システムは,SODPから得られる特徴を持つニューラルネットワーク分類器を用いて,正常およびCHF患者を100%精度で識別できることが示唆された。
論文参考訳（メタデータ） (2021-01-20T18:58:59Z)
Data Dependent Randomized Smoothing [127.34833801660233]
データ依存フレームワークは、3つのランダムな平滑化アプローチにシームレスに組み込むことができます。 CIFAR10とImageNetで0.5の半径の最強ベースラインの認定精度よりも9%と6%の改善が得られています。
論文参考訳（メタデータ） (2020-12-08T10:53:11Z)
Complete parameter inference for GW150914 using deep learning [0.0]
LIGOとVirgoの重力波観測所は過去5年間に多くのエキサイティングな出来事を観測してきた。検出速度は検出器感度とともに増加するため、データ解析において計算上の課題が増大する。本研究では,重力波に対する高速確率自由ベイズ推定にディープラーニング手法を適用した。
論文参考訳（メタデータ） (2020-08-07T18:00:02Z)
Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2020-04-06T15:51:00Z)
FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for Optical Flow Estimation [72.41370576242116]
フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
論文参考訳（メタデータ） (2020-01-17T07:13:51Z)

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。