論文の概要: Monitoring of functional profiles combining the notion of Fr\'echet mean and the framework of deformation models with application in ambient air pollution surveillance

• arxiv url: http://arxiv.org/abs/2010.02968v2
• Date: Sat, 10 Sep 2022 13:47:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 06:21:37.728742
• Title: Monitoring of functional profiles combining the notion of Fr\'echet mean and the framework of deformation models with application in ambient air pollution surveillance
• Title（参考訳）: Fr'echet平均の概念と変形モデルの枠組みを組み合わせた機能的プロファイルのモニタリングと環境大気汚染監視への応用
• Authors: Georgios I. Papayiannis, Stelios Psarakis, Athanasios N. Yannacopoulos
• Abstract要約: Fr'echet平均オファーの概念は、データの典型的な機能的形状を捉えるために用いられる。 変形モデルの概念は、典型的な形状からプロファイルの偏差の解釈可能なパラメータ化を可能にする。 環境大気汚染を評価するために機能監視方式が実装されている。
• 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: A framework suitable for monitoring functional profiles combining the notion of Fr\'echet mean and the concept of deformation models is developed and proposed. The generalized sense of mean that the notion of the Fr\'echet mean offers is employed to capture the typical functional shape of the data, while the concept of deformation models allows for interpretable parameterizations of profile's deviations from the typical shape. Functional EWMA-type control charts are built and proposed based on shape characteristics of the functional data, allowing for (a) identifying shifts from the in-control behaviour and (b) providing causal relationships of the potential shifts with significant deviances of certain qualitative characteristics (e.g amplitude or phase deformations). The functional monitoring scheme is implemented to assess ambient air pollution. In particular, the method is implemented to a synthetic data example to assess its performance under various conditions, and to a real-world example using sensor data from an area in the city of Athens, where air pollutants profiles and their characteristics are successfully analyzed and out-of-control behaviours are identified.
• Abstract（参考訳）: Fr'echet平均の概念と変形モデルの概念を組み合わせた関数プロファイルの監視に適したフレームワークを開発し提案する。 Fr'echet平均の概念はデータの典型的な機能的形状を捉えるのに用いられ、一方変形モデルの概念はプロファイルの偏差を典型的な形状から解釈可能なパラメータ化を可能にする。 機能データの形状特性に基づいて機能的EWMA型制御チャートを構築し,提案する。 (a)制御内行動からの転換を識別すること、及び b) ある定性的特性(振幅や位相変形など)の有意な欠如を伴って電位シフトの因果関係を提供する。 環境大気汚染を評価するために機能監視方式が実装されている。 特に、種々の条件下での性能を評価するための合成データ例や、大気汚染物質プロファイルとその特性をうまく分析し、制御外行動を特定するアテネ市の地域からのセンサデータを用いた実世界の例に実装する。

関連論文リスト

• Influence Functions for Scalable Data Attribution in Diffusion Models [52.92223039302037]
  拡散モデルは、生成的モデリングに大きな進歩をもたらした。 しかし、彼らの普及はデータ属性と解釈可能性に関する課題を引き起こす。 本稿では,テキスト・インフルエンス・ファンクション・フレームワークを開発することにより,このような課題に対処することを目的とする。
  論文  参考訳（メタデータ） (2024-10-17T17:59:02Z)
• Explorable Mesh Deformation Subspaces from Unstructured Generative Models [53.23510438769862]
  3次元形状の深い生成モデルは、しばしば潜在的な変動を探索するために使用できる連続的な潜伏空間を特徴付ける。 本研究では,手軽に探索可能な2次元探索空間から事前学習された生成モデルのサブ空間へのマッピングを構築することで,与えられたランドマーク形状の集合間のバリエーションを探索する手法を提案する。
  論文  参考訳（メタデータ） (2023-10-11T18:53:57Z)
• Representer Point Selection for Explaining Regularized High-dimensional Models [105.75758452952357]
  本稿では,高次元表現器と呼ぶサンプルベース説明のクラスを紹介する。 私たちのワークホースは、一般化された高次元モデルに対する新しい代表者定理である。 提案手法の実証的性能について,実世界の2進分類データセットと2つの推薦システムデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2023-05-31T16:23:58Z)
• A function space perspective on stochastic shape evolution [0.0]
  本稿では,ソボレフ空間における関数としての形状の記述に基づく新しい形状モデルを提案する。 ノイズの基準フレームとして明示的な正規直交基底を用いると、モデルはノイズのパラメータ化とは無関係である。
  論文  参考訳（メタデータ） (2023-02-10T17:10:32Z)
• Landmark-free Statistical Shape Modeling via Neural Flow Deformations [0.5897108307012394]
  本稿では,トレーニングインスタンス間の密接な対応を必要とせず,形状変化を学習する新しい形状モデリング手法であるFlowSSMを提案する。 当モデルでは, 遠位端大腿骨・肝臓に先立って, 表現的かつ頑健な形状を提供することで, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-09-14T18:17:19Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• Spatial machine-learning model diagnostics: a model-agnostic distance-based approach [91.62936410696409]
  本研究は,空間予測誤差プロファイル (SPEP) と空間変数重要度プロファイル (SVIP) を,新しいモデルに依存しない評価・解釈ツールとして提案する。 統計学的手法、線形モデル、ランダムフォレスト、ハイブリッドアルゴリズムのSPEPとSVIPは、顕著な差異と関連する類似性を示している。 この新しい診断ツールは空間データ科学のツールキットを充実させ、MLモデルの解釈、選択、設計を改善する可能性がある。
  論文  参考訳（メタデータ） (2021-11-13T01:50:36Z)
• Functional additive regression on shape and form manifolds of planar curves [0.0]
  我々は、形と形を、翻訳、回転、および -- 形状について -- の同値類として定義する。 平面曲線やランドマークの形状や形状のモデルに一般化された加法的回帰を拡張します。
  論文  参考訳（メタデータ） (2021-09-06T17:43:32Z)
• Augmenting Implicit Neural Shape Representations with Explicit Deformation Fields [95.39603371087921]
  入射神経表現は、ニューラルネットワークのゼロレベルセットとして形状収集を学ぶための最近のアプローチである。 我々は,暗黙的ニューラル表現に対する変形認識正規化を提唱し,遅延コードの変化として可塑性変形を生成することを目的とした。
  論文  参考訳（メタデータ） (2021-08-19T22:07:08Z)
• Disentangling Geometric Deformation Spaces in Generative Latent Shape Models [5.582957809895198]
  3Dオブジェクトの完全な表現には、解釈可能な方法で変形の空間を特徴づける必要がある。 本研究では,物体形状の空間を剛性方向,非剛性ポーズ,内在的な形状に分解する3次元形状の不整合の事前生成モデルを改善する。 得られたモデルは生の3D形状からトレーニングできる。
  論文  参考訳（メタデータ） (2021-02-27T06:54:31Z)
• Discriminative and Generative Models for Anatomical Shape Analysison Point Clouds with Deep Neural Networks [3.7814216736076434]
  与えられたタスクから低次元の形状表現を学習する解剖学的形状の解析のためのディープニューラルネットワークを導入する。 我々のフレームワークはモジュール構造であり、基本的な形状処理タスクを実行するいくつかの計算ブロックで構成されています。 本稿では, 疾患分類と年齢回帰の判別モデルと, 形状復元のための生成モデルを提案する。
  論文  参考訳（メタデータ） (2020-10-02T07:37:40Z)

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。